所参考的教程视频是云端部署的，我买了4090，想当然地认为直接部署在本地会更好。

我错了，在windows上搞和在linux服务器上搞不是一个概念。windows上难到我折腾了一天，晚上做噩梦了还是没搞定，第二天早上才完全搞定。下面趁我还没忘干净前，先记录下我记住的步骤。

第一步 clone

克隆git项目。https://github.com/Plachtaa/VITS-fast-fine-tuning

随便用客户端或者是git clone指令都可以。我用的客户端。

然后就可以参照里面的local.md说明书了。当然，照抄会遇到各种问题。

第二步 装新python

“Make sure you have installed `Python>=3.6, <=3.8`, CMake & C/C++ compilers; "

python我选的是3.8。这个好说，大家都知道怎么装python。我电脑原本就有python 3.10，在安装之后，为了避免串扰，我需要创建一个虚拟环境，并激活它。之后，每次在这个项目使用python时，都要激活它。

在项目根目录下，打开命令行（我没有用powershell，就用的windows cmd），第一行代码创建虚拟环境，第二行激活它。如果工作中断，之后只需要输入第二行。env是虚拟环境的名字，也许我当初可以选一个好一点的名字，env38之类的，但已经创建了，就不改了。

那么，cmake和c++compiler怎么装呢？

可以参考这个链接一下都装完了，顺便装个MinGW：https://perso.uclouvain.be/allan.barrea/opencv/building_tools.html

我当时不是按照这个网页装的，各个东西是在不同时期分别装的，但方法和里面说的一样。记得设置系统变量到Path，不要动不动就往system32下扔。

第三步 大战pip

按理说pip install不会有什么问题，但实际上问题大了。

“pip install -r requirements”，谁都会，对吧？实际上这样做不行。

最大的问题是那个pyopenjtalk库。前置库里要求版本==0.1.3，但是这个版本在我这里死活编译不过去，一到构建whl的地方就会报错，大概报错内容类似于：

Building wheels for collected packages: pyopenjtalk

Building wheel for pyopenjtalk (pyproject.toml) ... error

error: subprocess-exited-with-error

× Building wheel for pyopenjtalk (pyproject.toml) did not run successfully.

│ exit code: 1

╰─> 【108 lines of output】

fatal: not a git repository (or any of the parent directories): .git

诸如此类，注意这个是报错的开头，报错时直接看到的是回显，得网上翻到最初才输入pip install的地方才能看到这一段。是我没装gcc或者cmake吗，不是，这些我都装好了，并且我在命令行输入的时候，都能出来，而不是“无法识别为程序”之类的报错信息。而且，我单独pip install pyopenjtalk，让他构建最新版毫无问题。只不过，到后面用最新版会导致程序运行失败，那个报错会说binary has changed之类的，一看就是硬换新版不行。总之，我就是拿不到这个0.1.3的whl文件，谷歌也搜了，无果。

最后我的解决是，用0.1.4就行了，把requirements里的==0.1.3改成0.1.4，至少在我这是能运行的。如果你那边没有这个错误就不用改了。

当然，这个是最严重的，但却不是最先遇到的报错。

Could not fetch URL https://pypi.org/simple/pyopenjtalk/: There was a problem confirming the ssl certificate: HTTPSConnectionPool(host='pypi.org', port=443): Max retries exceeded with url: /simple/pyopenjtalk/ (Caused by SSLError(SSLEOFError(8, 'EOF occurred in violation of protocol (_ssl.c:1124)'))) - skipping

更有可能是栽在类似这种的Max retries exceeded with url上。超过最大尝试次数只是结果，具体造成它的原因我遇到了两种。

• 一种是没有关闭系统代理（浏览器能打开谷歌），必须要关闭了（让他打不开）才能继续，这种报错里会明确提出类似cannot connect to proxy之类的字样，很好认，对应的报错我也是google出来的。

• 另一种是因为SSL验证失败。此时报错就是上面那种明确说出ssl问题的。这种情况下，需要信任域名。把原本简单的pip install -r requirements.txt改成：

pip install -r requirements.txt --trusted-host=pypi.python.org --trusted-host=pypi.org --trusted-host=files.pythonhosted.org

这样就可以了。

后面安装的过程其实问题不大，无论是安装cuda，还是装imageio，一路按照文档操作下去就行了。

到wget这里会有问题。windows没有wget。这里解决思路有两种：

• 一种是去tm的wget。我直接去浏览器手动下载那个链接的文件。这种在解决单个的wget任务上是最快的。

• 另一种是安装wget。可以在这里找到：https://gnuwin32.sourceforge.net/packages/wget.htm，记得装完之后让Path指向exe所在之处。这样还不够，huggingface会拒绝直接的wget，需要在后面加参数伪造成浏览器才能下载，像这样：

 wget https://huggingface.co/datasets/Plachta/sampled_audio4ft/resolve/main/sampled_audio4ft_v2.zip --user-agent="Mozilla/5.0 (X11;U;Linux i686;en-US;rv:1.9.0.3) Geco/2008092416 Firefox/3.0.3" --no-check-certificate

当然后面那条unzip也是有一样的问题，windows没有unzip指令。手动解压即可，因为这个用的不多，没必要装unzip for windows。

继续按照文档进行，到后面选择预训练模型时，看清了先给出的步骤是linux的，windows的说明在后面。我的cje三语模型使用时出了点问题，暂时还没查出来到底是源数据还是模型的问题，后面我用的C的模型。记得下载之后要改名覆盖，不要保留原本的D_trilingual、config.json这样的名字。三个不能共存，用的时候想清楚用哪个，避免半途换路子。

准备素材的时候，按照文档操作即可，除了注意如果原本就有声音包的话，不要压缩了，因为到头来还是要解压缩。注意视频、长音频文件本身对文件名有要求，不能任意起。

我在第一轮准备训练的时候，可能是因为素材里有过短的音频，每次一训练就报一个少见的dim不能为0的错误。后来我整个清理了一番，把标注文件、音频文件都删了，从CJE换成了C的，就好了。目前尚不确定到底是CJE有问题，我设置有残留问题，还是我的音频有问题。但总之，我能开始训练了。