Menu
Style-Bert-VITS2 の音声素材 ingest から dataset prepare、training、model promotion、evaluation までの制作手順
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | model-production |
| description | Style-Bert-VITS2 の音声素材 ingest から dataset prepare、training、model promotion、evaluation までの制作手順 |
このスキルは、音声ファイルまたは音声ディレクトリから Style-Bert-VITS2 (SBV2) の学習モデルを作成する制作 workflow をガイドします。TTS 再生や声色選択は voice skill、制作系操作の開始前後チェックは sbv2-model-ops skill を使います。
音声素材からモデルを作る標準順は次の通りです。
datasets ingest: 音声素材を bridge 管理 workspace にコピーし、dataset manifest を作るdatasets prepare: SBV2 の slice / transcription を実行し、resolved dataset_root/<modelName>/raw と esd.list を作るtraining plan: 学習 stage と出力先を確認するtraining run: resample、preprocess_text、bert_gen、style_gen、train_ms を job として実行するmodels candidates: 昇格できる候補ディレクトリを確認するmodels promote: candidate を resolved assets_root/<modelName> に昇格し、SBV2 からロード可能にするevaluation run: 昇格後モデルの試聴用 sample と評価 manifest を作るevaluation note: 人間の試聴結果を evaluation manifest に記録するmodelName は pipeline 全体のキーです。SBV2 の単一話者 workflow に合わせ、別の speaker name や project name は通常入力として持ちません。
slice、transcription、preprocess、training の詳細 option は通常 agent surface では指定しません。datasets prepare と training run は bridge の既定値を使い、必要になった場合は別 issue の advanced surface として扱います。
保存先は SBV2 の configs/paths.yml、次に configs/default_paths.yml、最後に SBV2 既定値から解決します。Data/<modelName> と model_assets/<modelName> は既定例であり、実際の dataset_root / assets_root が変わっている環境では CLI の pathRoles と表示された path を正としてください。
bridge state:
ingest copy、manifest、job log、summary 用。SBV2 FastAPI からはロードされません。
SBV2 dataset:
resolved dataset_root/<modelName>。slice/transcribe/preprocess/training 用です。
SBV2 loadable model:
resolved assets_root/<modelName>。/models/info と /voice が使う runtime model です。
datasets ingest、datasets prepare、training run、evaluation run、models promote は artifact 作成、音声素材の永続化、長時間/GPU処理を伴います。開始前にユーザーへ次を提示して確認してください。
SBV2 の制作処理を開始します。
入力: <source path または manifest / candidate>
bridge state: <ingest workspace または job output/log>
SBV2 dataset: <resolved dataset_root>/<modelName>
SBV2 loadable model: <resolved assets_root>/<modelName>
job log: <jobs path>
処理: <ingest/prepare/training/evaluation/promote と stage>
既存出力への上書きは行いません。開始してよいですか。
ユーザー確認なしに、既存の resolved dataset_root/<modelName>、resolved assets_root/<modelName>、checkpoint、job artifact を上書きまたは削除しないでください。生成モデル、評価音声、入力音声の公開、共有、外部 upload、外部送信も行いません。
datasets prepare、training run、evaluation run は、ユーザーが同期実行を明示しない限り OpenClaw sub-agent / background task へ委譲します。親 session は plan、ユーザー確認、起動結果だけ扱い、実行中の poll loop は持ちません。
起動直後に親へ返す ID は OpenClaw runId / childSessionKey、または plugin runtime に渡した sessionKey と返却された runId です。sbv2-bridge jobId は起動時に必ず存在するものとして扱わず、完了後の job manifest ID として扱います。詳しい委譲ルールと失敗時の切り分けは sbv2-model-ops skill に従ってください。
まず音声素材を bridge workspace に取り込みます。
sbv2-bridge datasets ingest \
--model-name my_voice \
--source /path/to/audio-or-directory \
--language ja \
--no-use-jp-extra \
--json
JP-Extra は英語・中国語発話をできなくするため、英語、中国語、多言語発話を残したいモデルでは --no-use-jp-extra を明示してください。日本語専用モデルで日本語品質を優先する場合だけ --use-jp-extra を使います。
sbv2-bridge datasets ingest \
--model-name my_japanese_voice \
--source /path/to/audio-or-directory \
--language ja \
--use-jp-extra \
--json
--source は音声ファイルまたはディレクトリです。ディレクトリ直下に複数のサブディレクトリがある場合、その相対構造は style group として manifest に記録されます。
出力の dataset.manifestPath を後続工程で使います。pathRoles.bridgeState は一時 workspace、pathRoles.sbv2Dataset は SBV2 の学習 dataset、pathRoles.sbv2LoadableModel は最終的に FastAPI が読む model assets です。
datasets prepare は SBV2 root で slice / transcription を呼び、SBV2 が学習に使う dataset を作ります。
sbv2-bridge datasets prepare \
--manifest /path/to/manifest.json \
--json
既存の resolved dataset_root/<modelName>/raw、resolved dataset_root/<modelName>/esd.list、resolved assets_root/<modelName> がある場合は上書きせず失敗します。失敗時は下の Job 確認に従って、OpenClaw task と bridge job manifest のどちらを確認できる状態かを切り分けてください。
先に plan で stage、出力先、衝突リスクを確認します。
sbv2-bridge training plan \
--manifest /path/to/manifest.json \
--json
問題なければ学習を開始します。ユーザーが同期実行を明示しない限り、このコマンドは OpenClaw sub-agent / background task に委譲してください。
sbv2-bridge training run \
--manifest /path/to/manifest.json \
--json
stage を限定する場合は --stage resample --stage preprocess-text のように指定します。通常は全 stage を実行します。既存の resolved dataset_root/<modelName>/models や resolved assets_root/<modelName> は上書きしません。
長時間処理の実行中は OpenClaw task ledger を確認します。
openclaw tasks show <runId|childSessionKey|sessionKey>
完了後、bridge jobId が生成されていれば job status と log を確認します。
sbv2-bridge jobs status <jobId>
sbv2-bridge jobs log <jobId> --tail 80
bridge jobId が無い失敗では、OpenClaw runId、実行 command、cwd、stdout/stderr、入力 manifest / model path を確認します。次に summary.json、dataset manifest、CLI の pathRoles、既存出力との衝突、SBV2 script や pretrained directory、GPU/依存関係を確認します。
候補一覧を確認します。
sbv2-bridge models candidates \
--model-name my_voice \
--json
学習済み candidate を resolved assets_root/<modelName> に昇格します。実行時は model name の明示確認が必要です。
sbv2-bridge models promote \
--model-name my_voice \
--source /path/to/candidate-directory \
--confirm-model-name my_voice \
--base-url http://127.0.0.1:5000 \
--json
evaluation run は SBV2 からロード可能な resolved assets_root/<modelName> を合成対象にします。学習直後の candidate directory を直接評価せず、先に models promote で resolved assets_root/<modelName> へ昇格してください。
昇格後モデルは、固定テスト文セットで sample WAV と評価 manifest を作ります。ユーザーが同期実行を明示しない限り、このコマンドは OpenClaw sub-agent / background task に委譲してください。
sbv2-bridge evaluation run \
--model-name my_voice \
--base-url http://127.0.0.1:5000 \
--json
人間の試聴結果は evaluation manifest に記録します。
sbv2-bridge evaluation note \
--evaluation /path/to/evaluation.json \
--case ja-short \
--decision hold \
--message "語尾が少し不安定"
reject または reject recommendation がある model は OpenClaw の既定 voice に採用しません。問題がない場合だけ、OpenClaw provider config の defaultModelName / defaultSpeakerName / defaultStyle を更新します。