Bert-vits2项目近期炸裂更新，放出了v2.0.2版本的代码，修正了存在于2.0先前版本的重大bug，并且重炼了底模，本次更新是即1.1.1版本后最重大的更新，支持了三语言训练及混合合成，并且做到向下兼容，可以推理老版本的模型，本次我们基于新版V2.0.2来本地推理原神小姐姐们的音色模型。
具体的更新日志请参见官网：
https://github.com/fishaudio/Bert-VITS2/releases 模型配置
首先克隆官方最近的v2.0.2代码：
git clone https://github.com/fishaudio/Bert-VITS2.git 随后在项目的根目录创建Data目录
cd Bert-VITS2 mkdir Data 该目录用来存放音色模型文件。
随后下载雷电将军和八重神子的音色模型：
链接：https://pan.baidu.com/s/1e9gKidfvYKLU2IzjoW3sVw?pwd=v3uc 这两个模型都是基于老版本进行训练的，囿于篇幅，训练流程先按下不表。
需要注意的是，模型文件所在的目录不支持中文，最好改成英文，目录结构如下所示：
E:workBert-VITS2-v202_launch_yingAndBachongData>tree/F Folder PATH listing for volume myssd Volume serial number is 7CE3-15AE E:. ├───bachong │ │ config.json │ │ │ └───models │ G_47700.pth │ └───ying │ config.json │ config.yml │ ├───custom_character_voice ├───filelists └───models G_4600.pth 这里.pth文件就是模型本体，config.json是模型配置文件。
当然，除了笔者分享的模型，也可以加载之前老版本自己训练的模型，但需要注意的是，必须指定模型训练的版本，也就是当时训练操作过程中Bert-VITS2的版本，比如笔者的模型训练时是基于v1.1.1，那么就必须在config中进行指定：
{ "train": { "log_interval": 100, "eval_interval": 100, "seed": 52, "epochs": 200, "learning_rate": 0.0001, "betas": [ 0.8, 0.99 ], "eps": 1e-09, "batch_size": 4, "fp16_run": false, "lr_decay": 0.999875, "segment_size": 16384, "init_lr_ratio": 1, "warmup_epochs": 0, "c_mel": 45, "c_kl": 1.0, "skip_optimizer": true }, "data": { "training_files": "filelists/train.list", "validation_files": "filelists/val.list", "max_wav_value": 32768.0, "sampling_rate": 44100, "filter_length": 2048, "hop_length": 512, "win_length": 2048, "n_mel_channels": 128, "mel_fmin": 0.0, "mel_fmax": null, "add_blank": true, "n_speakers": 2, "cleaned_text": true, "spk2id": { "bachong": 0 } }, "model": { "use_spk_conditioned_encoder": true, "use_noise_scaled_mas": true, "use_mel_posterior_encoder": false, "use_duration_discriminator": true, "inter_channels": 192, "hidden_channels": 192, "filter_channels": 768, "n_heads": 2, "n_layers": 6, "kernel_size": 3, "p_dropout": 0.1, "resblock": "1", "resblock_kernel_sizes": [ 3, 7, 11 ], "resblock_dilation_sizes": [ [ 1, 3, 5 ], [ 1, 3, 5 ], [ 1, 3, 5 ] ], "upsample_rates": [ 8, 8, 2, 2, 2 ], "upsample_initial_channel": 512, "upsample_kernel_sizes": [ 16, 16, 8, 2, 2 ], "n_layers_q": 3, "use_spectral_norm": false, "gin_channels": 256 }, "version": "1.1.1" } 最后的version参数用来指定模型，如果不指定模型，系统默认是v2.0版本，假设模型和版本不匹配，会造成本地推理的音色异常。
修改好版本之后，可以通过pip安装依赖：
pip install -r requirements.txt 至此，模型就配置好了。
本地推理
依赖安装好之后，在根目录执行命令：
python3 server_fastapi.py 程序返回：
E:workBert-VITS2-v202_launch_yingAndBachong>python server_fastapi.py E:workBert-VITS2-v202_launch_yingAndBachongvenvlibsite-packagestorchnnutilsweight_norm.py:30: UserWarning: torch.nn.utils.weight_norm is deprecated in favor of torch.nn.utils.parametrizations.weight_norm. warnings.warn("torch.nn.utils.weight_norm is deprecated in favor of torch.nn.utils.parametrizations.weight_norm.") 11-20 11:08:46 SUCCESS | server_fastapi.py:101 | 添加模型E:workBert-VITS2-v202_launch_yingAndBachongDatayingmodelsG_4600.pth，使用配置文件E:workBert-VITS2-v202_launch_yingAndBachongDatayingconfig.json 11-20 11:08:46 SUCCESS | server_fastapi.py:107 | 模型已存在，添加模型引用。 11-20 11:08:46 WARNING | server_fastapi.py:626 | 本地服务，请勿将服务端口暴露于外网 11-20 11:08:46 INFO | server_fastapi.py:627 | api文档地址 http://127.0.0.1:7860/docs 说明服务已经启动，没错，Bert-vits2的推理api是基于Fast-api的。关于Fast-api框架，请移步：
2020年是时候更新你的技术武器库了:Asgi vs Wsgi(FastAPI vs Flask)
随后访问http://127.0.0.1:7860/:
这里可以将两个模型一起加载进来。
右侧参数为推理设备和语言，默认是使用cuda和中文。
如果是没有N卡的同学，也可以选择用cpu进行本地推理。
随后将推理文本写入文本框：
这里值得一提的是，Bert-vits2解决了长文本报错的问题，如果是长文本，只需要打开自动切分的选项即可，系统会根据文本中的标点进行切割，减少每次推理的token数量，从而避免报错。
最后新版本支持多模型同时推理：
只需要选择对应的模型选项，然后下载音频即可。
结语
笔者已经采用：一键整合,万用万灵,Python3.10项目嵌入式一键整合包的制作(Embed)的方式将项目做成了一键整合包，解压后运行launch.bat文件，开箱可用，一键推理：
链接：https://pan.baidu.com/s/12pinwHb5mmYvskYTZtLKvg?pwd=v3uc 欢迎诸公下载品鉴。
