---
title: Style-Bert-VITS2-FULL
canonical_url: "https://www.modelscope.cn/models/lingchat-research-studio/Style-Bert-VITS2-FULL"
md_url: "https://www.modelscope.cn/models/lingchat-research-studio/Style-Bert-VITS2-FULL.md"
repository: lingchat-research-studio/Style-Bert-VITS2-FULL
chinese_name: "【Style-Bert-VITS2】[模型训练完整包]—『英伟达』"
last_updated: 2026-07-10
pipeline_tag: text-to-speech
tasks:
  - text-to-speech
library_name:
  - pytorch
frameworks:
  - Pytorch
downloads: 13
stars: 2
---

# Style-Bert-VITS2-FULL

> Style-Bert-VITS2-FULL - lingchat-research-studio 在 ModelScope 开源的模型。VoiceSpeechMaker-core-fork

- **Repository**: lingchat-research-studio/Style-Bert-VITS2-FULL
- **Tasks**: text-to-speech
- **Downloads**: 13
- **Stars**: 2
- **Last updated**: 2026-07-10

Source: https://www.modelscope.cn/models/lingchat-research-studio/Style-Bert-VITS2-FULL

---

# VoiceSpeechMaker-core-fork

## 简介
- 基于 Style-Bert-VITS2 核心框架，进行目录重组、模型升级、去联网化、功能增强与 GPU 加速。
- 使用`mciromamba`打包，内置`uv`工具

## 快速启动

双击根目录下的 `.bat` 文件：

- `.启用全部功能.bat` – 启动 Gradio WebUI（全功能）
- `.启用编辑器服务.bat` – 启动编辑器 API 服务
- `.启用API服务.bat` – 启动 TTS API 服务
- `..启用一键训练功能.bat` – 将音频文件放入inputs/以启用一键训练

## 项目结构介绍
```bash
VoiceSpeechMaker-core-fork/
├── .启用全部功能.bat          # Gradio WebUI
├── .启用编辑器服务.bat         # 编辑器 API
├── .启用API服务.bat            # TTS API
├── ..启用一键训练功能.bat       # 将音频文件放入inputs/以启用
├── Data/                       # 语音模型训练数据存放处
├── inputs/                     # 音频文件预处理存放处
├── model_assets/               # 模型资产
├── resources/                  # 配置、文档、静态资源
│   ├── configs/                # config.yml, paths.yml, etc.
│   ├── dict_data/              # 用户词典
│   └── static/                 # 前端静态文件
├── scripts/                    # 所有 Python 代码
│   ├── preprocessing/          # 切片、转录、BERT 特征生成等
│   ├── training/               # 训练脚本
│   ├── conversion/             # ONNX 转换
│   ├── utils/                  # 配置、初始化、MOS 等
│   └── gradio_tabs/            # 各标签页实现
├── style_bert_vits2/           # 核心模型库（未改架构）
├── third_model/                # 第三方预训练模型
│   ├── bert/                   # deberta-v2-large
│   ├── whisper/                # 本地 Whisper 模型
│   ├── wespeaker-.../          # 说话人嵌入模型
│   ├── silero-vad/             # VAD ONNX 模型
│   └── CV3-Eval-DNSMOS/        # DNSMOS ONNX 模型
└── env/                        # Python 虚拟环境
```

## 功能更新介绍
 
更详细的`diff`内容请查阅【resources\docs\】目录下的 `CHANGELOG_目录重组.md`文件

### 配置文件与入口迁移 + ONNX BERT 设备修复

- **配置文件** `config.yml`、`default_config.yml` 移至 `resources/configs/`，根目录不再保留 `.yml` 文件。
- **三个入口脚本** `app.py`、`server_fastapi.py`、`server_editor.py` 移至 `scripts/`。
- **根目录仅保留 4 个 `.bat` 启动文件**（全部功能、编辑器服务、API 服务、一键训练）。

### 目录结构重整
- 根目录 `.py` 文件去除。
- 按功能拆分到 `scripts/` 子目录：
  - `preprocessing/` – 切片、转录、BERT 特征生成等
  - `training/` – 训练脚本
  - `conversion/` – ONNX 转换
  - `utils/` – 配置、初始化、MOS 评测
  - `gradio_tabs/` – UI 标签页
- 数据目录统一归入 `resources/`（configs、dict_data、docs、static）。
- 第三方模型统一归入 `third_model/`（bert、wavlm-base-plus、pretrained_jp_extra、silero-vad、whisper、wespeaker、CV3-Eval-DNSMOS）。

### 功能添加

#### 去除联网依赖
- **`server_editor.py`**：删除 GitHub API 下载静态文件的 85 行代码，改用本地 `resources/static/`。
- **`slice.py`**：Silero VAD 从 `torch.hub.load` 改为本地 `OnnxWrapper`（模型放于 `third_model/silero-vad/`）。
- **`style_gen.py`**：wespeaker 说话人嵌入模型通过 monkey-patch 从本地 `third_model/wespeaker-voxceleb-resnet34-LM/` 加载。

#### 音频切片增强
- **短音频合并**：将 VAD 丢弃的短片段相互拼接达到最低时长。
- **跨文件缓冲区**：同一 worker 处理多个文件时短片段跨文件累积（内存上限 ≤2MB）。
- **可配置静音间隔**：合并时添加指定毫秒静音（默认 600ms，范围 100-3000ms）。
- 新增 CLI 参数 `--merge_short`、`--merge_gap`，Gradio UI 联动复选框+滑块。

#### Whisper 本地化
- 删除 HuggingFace `transformers` 推理路径（~80 行代码）。
- 模型从 `third_model/whisper/` 本地加载（`faster-whisper`）。
- 自动扫描本地模型（含 `config.json` 的子目录）。
- `dataset.py` 下拉框动态填充，无需硬编码。

#### DNSMOS 模型评测集成
- **新建标签页“模型评测”**。
- 纯本地 ONNX 推理（DNSMOS P.835 + P.808），DirectML GPU 加速。
- 批量模型 × 批量句子全排列测试。
- 默认 8 条日语测试句子（JVNV 语料库），用户可增删。
- 交互式 Plotly 2D/3D 图表（支持轴选择、缩放、旋转）。
- 统计表：“各项最佳模型”（7 个指标）+“详细统计”。
- 评测结果保存为 CSV，支持加载回放。

#### 模型转换 Gradio UI

- **模型转换标签页**：将 PyTorch 模型转换为 ONNX 格式，支持批量、多精度导出。
- **Zstd 优化**：`.sbv2` 打包使用内存缓冲 + level 19 压缩，减少 I/O 时间。
- **可选 onnxsim 简化**：默认跳过，以加速转换。
- **前置依赖检查**：`zstandard`、`aivmlib` 缺失时友好提示。

#### 汉化
- 8 个 Gradio 标签页的全部 UI 字符串、Markdown 说明、API 描述汉化