updated pipeline

README_ZH.md

@@ -1,17 +1,22 @@
 English Documentation Please Click [here](https://github.com/Plachtaa/VITS-fast-fine-tuning/blob/main/README_EN.md)
 # VITS 快速微调
-这个代码库会指导你如何将自定义角色，甚至你自己的声线加入一个现有的VITS模型中，在1小时内的微调使模型具备如下功能：  
-1. 在 你 & 你加入的角色 & 预设角色 之间进行任意声线转换
-2. 以 你的声线 & 你加入的角色声线 & 预设角色声线 进行中日英三语 文本到语音合成。  
+这个代码库会指导你如何将自定义角色（甚至你自己），加入预训练的VITS模型中，在1小时内的微调使模型具备如下功能：  
+1. 在 模型所包含的任意两个角色 之间进行声线转换
+2. 以 你加入的角色声线 进行中日英三语 文本到语音合成。  
 
 本项目使用的底模涵盖常见二次元男/女配音声线（来自原神数据集）以及现实世界常见男/女声线（来自VCTK数据集），支持中日英三语，保证能够在微调时快速适应新的声线。
 
-欢迎体验微调所使用的底模！ 
-[![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https://huggingface.co/spaces/Plachta/VITS-Umamusume-voice-synthesizer)
+欢迎体验微调所使用的底模！  
+
+中日英：[![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https://huggingface.co/spaces/Plachta/VITS-Umamusume-voice-synthesizer)  
+
+中日：[![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https://huggingface.co/spaces/sayashi/vits-uma-genshin-honkai)
 
 ### 目前支持的任务:
-- [x] 转换用户声线到 [这些角色](https://github.com/SongtingLiu/VITS_voice_conversion/blob/main/configs/finetune_speaker.json)
-- [x] 自定义角色的中日英三语TTS！
+- [x] 从 10条以上的短音频 克隆角色声音
+- [x] 从 3分钟以上的长音频 克隆角色声音
+- [x] 从 3分钟以上的视频（只包含单说话人） 克隆角色声音
+- [x] 通过输入 bilibili视频链接（只包含单说话人） 克隆角色声音
 
 ### 目前支持声线转换和中日英三语TTS的角色
 - [x] 赛马娘 （仅已实装角色）（预训练时使用的角色）
@@ -26,36 +31,10 @@ English Documentation Please Click [here](https://github.com/Plachtaa/VITS-fast-
 建议使用 [Google Colab](https://colab.research.google.com/drive/1omMhfYKrAAQ7a6zOCsyqpla-wU-QyfZn?usp=sharing)
 进行微调任务，因为VITS在多语言情况下的某些环境依赖相当难以配置。
 ### 在Google Colab里，我需要花多长时间？
-1. 安装依赖 (2 min)
-2. 录入你自己的声音，阅读内容会在UI中提供，每句不超过20个字。 (5~10 min)
-3. 上传你希望加入的其它角色声音，用一个`.zip`文件打包
-文件结构应该如下所示:
-```
-Your-zip-file.zip
-├───Character_name_1
-├   ├───xxx.wav
-├   ├───...
-├   ├───yyy.mp3
-├   └───zzz.wav
-├───Character_name_2
-├   ├───xxx.wav
-├   ├───...
-├   ├───yyy.mp3
-├   └───zzz.wav
-├───...
-├
-└───Character_name_n
-    ├───xxx.wav
-    ├───...
-    ├───yyy.mp3
-    └───zzz.wav
-```
-注意音频的格式和名称都不重要，只要它们是音频文件。  
-质量要求：2秒以上，20秒以内，尽量不要有背景噪音。  
-数量要求：一个角色至少10条，最好每个角色20条以上。  
-你可以选择进行步骤2或3，或二者一起，取决于你的需求。  
-
-4. 进行微调 (30 min)  
+1. 安装依赖 (3 min)
+2. 选择预训练模型，详细区别参见Colab笔记本页面。
+3. 上传你希望加入的其它角色声音，详细上传方式见[DATA.MD]()
+4. 进行微调，根据选择的微调方式和样本数量不同，花费时长可能在20分钟到2小时不等。
 
 微调结束后可以直接下载微调好的模型，日后在本地运行（不需要GPU）
 
@@ -64,7 +43,7 @@ Your-zip-file.zip
 1. 下载最新的Release包（在Github页面的右侧）
 2. 把下载的模型和config文件放在 `inference`文件夹下, 确保模型的文件名为 `G_latest.pth` ，config文件名为 `finetune_speaker.json`
 3. 一切准备就绪后，文件结构应该如下所示:
-```shell
+```
 inference
 ├───inference.exe
 ├───...
@@ -73,3 +52,7 @@ inference
 ```
 4. 运行 `inference.exe`, 浏览器会自动弹出窗口, 注意其所在路径不能有中文字符或者空格.
 
+## 在MoeGoe使用
+0. MoeGoe以及类似其它VITS推理UI使用的config格式略有不同，需要下载的文件为模型`G_latest.pth`和配置文件`moegoe_config.json`
+1. 按照[MoeGoe](https://github.com/CjangCjengh/MoeGoe)页面的提示配置路径即可使用。
+