hrhr49 blog

ESPnet

2020-11-01

ESPnetメモ

音声合成(テキスト読み上げ)関連のツールを探しているときに見つけたいい感じのツール。 end-to-endのスピーチ処理のツールキットらしい。 どうやら、ESPnet2というのがあってこっちのが新しいみたい。同一のリポジトリで管理してるっぽい。

公式ページ

GitHubのページ

紹介されていたデモページ

Google ColaboratryでTTS(Text to Speech)を動かせるデモがあった(ESPnet2のもの)。 日本語の音声合成をやってみた感じ、とてもなめらかに発音できてそうだった！

https://colab.research.google.com/github/espnet/notebook/blob/master/espnet2_tts_realtime_demo.ipynb

自分の環境で動かすやり方

現在調査中。適宜分かり次第、追記していく予定。

環境

  • Ubuntu 20.04.1 LTS x86_64
  • NVIDIA GeForce RTX 2060 Rev. A
  • ESPnet v.0.9.5

方針

とりあえず、Dockerで動かせそうなので、それを目標にする。

https://espnet.github.io/espnet/docker.html#

上記のドキュメントを参考に、 docker ディレクトリでコマンドを実行した。

問題1 could not select device driver "" with capabilities: [[gpu]]

うまく行かなかった。 (なんかcould not select device driver "" with capabilities: [[gpu]] みたいなのが 表示されてエラーになった)

以下のissueによると、 https://github.com/espnet/espnet/issues/2041

これが原因らしい。 https://github.com/NVIDIA/nvidia-docker/issues/1034

議論をいろいろ見ていくと、どうやら nvidia-container-toolkit なるものを インストールした後、 systemctl restart dockerd をやる必要があるみたいだった。

nvidia-container-toolkit と言うやつは、dockerのコンテナ上でcudaを動かすやつらしい。 とのことで、以下の記事を参考(もともとは公式ページの手順から引用しているみたい)にnvidia-container-toolkit を入れたら、このエラーは解決した。

https://qiita.com/Hiroaki-K4/items/c1be8adba18b9f0b4cef

↓上記URLの内容から引用

1# Add the package repositories
2distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
3curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
4curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
5
6sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
7sudo systemctl restart docker

問題2 ./run.sh: invalid option --dlayers

以下のようなエラー内容が表示された。

1./run.sh: invalid option --dlayers

https://github.com/espnet/espnet/issues/1619 の議論の中で同じことに触れられているっぽい。

とりあえず、この問題は置いといて、TTSのプログラムを動かすためには 以下を実行すれば良かったっぽいので今回は深入りしない。

1./run.sh --docker_gpu 0 --docker_egs ljspeech/tts1 --docker_folders /export/ljspeech/tts1 -ngpu 1
2``
3
4この詳細はまだ調査中・・・・

Categories: