この記事では、Style-Bert-VITS2 をインストールして学習してモデルを作成するところまでを解説します。

注意事項

• Windows対象
• Nvidia製GPUが必要(RTXシリーズなど)
• 保存先は日本語が含まれないパスにすること（例: C:\app\StyleBertVITS2）

インストール手順

1. ダウンロード
   • GitHubの配布ページで最新の sbv2.zip をダウンロードしてください。
2. 解凍
   • ダウンロードした sbv2.zip を短い英数字のパスへ解凍（例: C:\app\StyleBertVITS2）。
3. インストール
   • フォルダ内の Install-Style-Bert-VITS2.bat をダブルクリックして、終わるまで待機。
4. 起動
   • sbv2\Style-Bert-VITS2\ フォルダ内の App.bat をダブルクリックして、ブラウザのWebUIが開けば準備OK

音声モデルの準備

• 録音からデータ一式の生成まで、以下の専用ツールを使うと簡単です。
  • Koerec（高速音声コーパス作成ツール）: https://koerec.markn2000.com/
    • サイトを開き、台本を選んで録音 → すべて完了後に「ダウンロード」を押してZIPを取得します。
• ZIPの解凍前に、次の手順でセキュリティを許可してください（Windowsのブロック対策）。
  • ZIPを右クリック → 「プロパティ」 → 「全般」タブ下部の「セキュリティ」欄で「許可する」にチェック
• 解凍後の配置先:
  • sbv2\Style-Bert-VITS2\ フォルダの中にある data フォルダへ、ダウンロードZIPを解凍してできたフォルダを「丸ごと」入れてください。
  • フォルダ名はボイスモデル名にするのがおすすめです（例: StyleBertVITS2/data/MarkN_normal）。

学習の開始

• webUI起動（起動していなければ）
  • フォルダ内の App.bat をダブルクリックして、ブラウザのWebUIが開けば準備OK
• 自動前処理を実行:
  • UIで学習タブを開く
  • モデル名（dataフォルダに入れたフォルダの名前）を入力してから 自動前処理を実行 をクリック
  • 自動前処理が終わったら、学習を開始する をクリック
  • sbv2\Style-Bert-VITS2\model_assets の中にモデルが生成されます。

合成音声の書き出し

• 後で追記するかも

参考リンク

• 公式リポジトリ: Style-Bert-VITS2