MaxMax2016

这个bert模型是用停顿训练的；bert的char embedding通过softmax可以得到停顿标注 #1 #2 ~~~；用显示的停顿标注训练TTS，需要将将停顿标注转换成embedding；有点多余的感觉，所以就直接用的char embedding。

所以说可以理解为这个bert embedding用来控制停顿+韵律，输入文本，bert会自动预测停顿 --是的 和文本中的标点符号没有直接关系呗？ --bert支持标点吧，时间有点久了，记不太清了

有点像某个音频有问题

数据中标注吗，有的话训练好biaobei模型后，使用您的数据直接继续训练biaobei模型。

汉字标注，韵律没有标注的话、使用韵律模型的推理结果去训练

您可以先研究下，针对这个问题我需要做个专题。

推理代码里面，汉字转换为韵律和发音单元，您把他们作为训练标注，可能需要手动修改多音字标注的错误。

请问可以用微调实现吗？有点看运气、无法确定 我自己的数据集是需要像biaobei数据集一样准备吗？ 是的 a. xxx.wav音频 （训练时放在data/waves目录下） 是的 b. 整理文字xxx.txt文档 （训练时放在data目录下）汉字+拼音 c.不需要，VITS用的MAS，不需要时长标注 有两个prepare，按需取用 vits_prepare.py vits_prepare_4_custom_speaker.py

需要提前将音频重采用为16000 https://github.com/PlayVoice/vits_chinese/issues/36#issuecomment-1469269333

不是，如果有多发音人预训练模型、可以用它进行微调