File size: 21,704 Bytes
e054d0c 5357d86 e054d0c 5357d86 e054d0c 8f68d0a e054d0c 5357d86 e054d0c 9845a3d e054d0c 5357d86 e054d0c 5357d86 e054d0c 5357d86 9845a3d 5357d86 e054d0c 5357d86 8064340 5357d86 e054d0c |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 |
"""
Quick Mode 任务服务
处理一键训练任务的业务逻辑
"""
import re
import uuid
from datetime import datetime
from pathlib import Path
from typing import AsyncGenerator, Dict, Optional, Any, Tuple
from project_config import settings
from ..core.adapters import get_database_adapter, get_task_queue_adapter, get_storage_adapter
from ..models.domain import Task, TaskStatus
from ..models.schemas.task import (
QuickModeRequest,
TaskResponse,
TaskListResponse,
InferenceOutputItem,
InferenceOutputsResponse,
)
# 质量预设配置
QUALITY_PRESETS = {
"fast": {
"sovits_epochs": 4,
"gpt_epochs": 8,
"description": "快速训练,约10分钟",
},
"standard": {
"sovits_epochs": 8,
"gpt_epochs": 15,
"description": "标准训练,约20分钟",
},
"high": {
"sovits_epochs": 16,
"gpt_epochs": 30,
"description": "高质量训练,约40分钟",
},
}
# 各语言的默认推理测试文本
DEFAULT_TARGET_TEXTS = {
"zh": "这是一段测试语音合成的文本。请你用自然、清晰、不过度夸张的语气朗读,并在逗号和句号处做适当停顿:先慢一点,再稍微快一点,最后恢复正常语速。",
"en": "This is a test text for speech synthesis. Please read it naturally and clearly, without exaggeration, pausing appropriately at commas and periods: start slowly, then speed up a bit, and finally return to normal pace.",
"ja": "これは音声合成のテストテキストです。自然で明瞭に、大げさにならないように朗読してください。読点と句点で適切に間を置いて:最初はゆっくり、少し速く、最後は普通の速さに戻してください。",
"ko": "이것은 음성 합성을 위한 테스트 텍스트입니다. 자연스럽고 명확하게, 과장하지 않고 읽어주세요. 쉼표와 마침표에서 적절히 멈추며: 먼저 천천히, 그 다음 조금 빠르게, 마지막으로 보통 속도로 돌아오세요.",
"yue": "呢段係測試語音合成嘅文字。請你用自然、清楚、唔好太誇張嘅語氣讀出嚟,喺逗號同句號嗰度要適當噉停一停:開頭慢啲,跟住快少少,最後返返正常語速。",
}
class TaskService:
"""
Quick Mode 任务服务
提供一键训练任务的完整生命周期管理:
- 创建任务
- 查询任务状态
- 取消任务
- 订阅进度更新
Example:
>>> service = TaskService()
>>> task = await service.create_quick_task(request)
>>> status = await service.get_task(task.id)
>>> await service.cancel_task(task.id)
"""
def __init__(self):
"""初始化服务"""
self._db = None
self._queue = None
self._storage = None
@property
def db(self):
"""延迟获取数据库适配器"""
if self._db is None:
self._db = get_database_adapter()
return self._db
@property
def queue(self):
"""延迟获取任务队列适配器"""
if self._queue is None:
self._queue = get_task_queue_adapter()
return self._queue
@property
def storage(self):
"""延迟获取存储适配器"""
if self._storage is None:
self._storage = get_storage_adapter()
return self._storage
async def check_exp_name_exists(self, exp_name: str) -> bool:
"""
检查实验名称是否已存在
Args:
exp_name: 实验名称
Returns:
如果存在返回 True,否则返回 False
"""
existing_task = await self.db.get_task_by_exp_name(exp_name)
return existing_task is not None
async def validate_audio_file(self, audio_file_id: str) -> tuple[bool, str]:
"""
验证音频文件是否存在
Args:
audio_file_id: 音频文件 ID 或路径
Returns:
(是否存在, 实际文件路径)
"""
import os
# 尝试获取文件元数据
file_metadata = await self.storage.get_file_metadata(audio_file_id)
if file_metadata:
# 文件存储在 storage.base_path / file_id
audio_file_path = str(self.storage.base_path / audio_file_id)
exists = os.path.exists(audio_file_path)
return exists, audio_file_path
else:
# 如果找不到元数据,将 audio_file_id 当作路径
exists = os.path.exists(audio_file_id)
return exists, audio_file_id
async def create_quick_task(self, request: QuickModeRequest) -> TaskResponse:
"""
创建一键训练任务
根据请求参数和质量预设,自动配置训练参数并创建任务。
Args:
request: 快速模式请求
Returns:
TaskResponse: 任务响应
"""
# 生成任务ID
task_id = f"task-{uuid.uuid4().hex[:12]}"
# 获取质量预设
quality = request.options.quality
preset = QUALITY_PRESETS.get(quality, QUALITY_PRESETS["standard"])
# 验证并解析音频文件路径
audio_file_id = request.audio_file_id
_, audio_file_path = await self.validate_audio_file(audio_file_id)
# 构建阶段列表
stages = [
"audio_slice",
"asr",
"text_feature",
"hubert_feature",
"semantic_token",
"sovits_train",
"gpt_train",
]
# 获取推理配置
inference_opts = request.options.inference
inference_enabled = inference_opts is None or inference_opts.enabled
# 如果启用推理,添加推理阶段
if inference_enabled:
stages.append("inference")
# 构建任务配置
config = {
"exp_name": request.exp_name,
"audio_file_id": audio_file_id,
"input_path": audio_file_path, # 音频文件的实际路径
"version": request.options.version,
"language": request.options.language,
"quality": quality,
# 训练参数
"total_epoch": preset["sovits_epochs"], # SoVITS epoch
"sovits_epochs": preset["sovits_epochs"],
"gpt_epochs": preset["gpt_epochs"],
# 预训练模型路径
"bert_pretrained_dir": str(settings.BERT_PRETRAINED_DIR),
"ssl_pretrained_dir": str(settings.SSL_PRETRAINED_DIR),
"pretrained_s2G": str(settings.PRETRAINED_S2G),
"pretrained_s2D": str(settings.PRETRAINED_S2D),
"pretrained_s1": str(settings.PRETRAINED_S1),
# 执行阶段
"stages": stages,
}
# 添加推理配置(如果启用)
if inference_enabled:
if inference_opts:
config["ref_text"] = inference_opts.ref_text or ""
config["ref_audio_path"] = inference_opts.ref_audio_path or ""
config["target_text"] = inference_opts.target_text
else:
# 使用默认值 - 空字符串表示由推理阶段从 asr_opt/slicer_opt.list 文件解析
config["ref_text"] = ""
config["ref_audio_path"] = ""
# 根据语言选择默认的测试文本
language = request.options.language
config["target_text"] = DEFAULT_TARGET_TEXTS.get(language, DEFAULT_TARGET_TEXTS["zh"])
# 创建 Task 领域模型
task = Task(
id=task_id,
exp_name=request.exp_name,
config=config,
status=TaskStatus.QUEUED,
created_at=datetime.utcnow(),
)
# 保存到数据库
await self.db.create_task(task)
# 入队执行
job_id = await self.queue.enqueue(task_id, config)
# 更新 job_id
await self.db.update_task(task_id, {"job_id": job_id})
task.job_id = job_id
return self._task_to_response(task)
async def get_task(self, task_id: str) -> Optional[TaskResponse]:
"""
获取任务详情
Args:
task_id: 任务ID
Returns:
TaskResponse 或 None(不存在时)
"""
task = await self.db.get_task(task_id)
if not task:
return None
return self._task_to_response(task)
async def list_tasks(
self,
status: Optional[str] = None,
limit: int = 50,
offset: int = 0
) -> TaskListResponse:
"""
获取任务列表
Args:
status: 按状态筛选
limit: 每页数量
offset: 偏移量
Returns:
TaskListResponse
"""
tasks = await self.db.list_tasks(status=status, limit=limit, offset=offset)
total = await self.db.count_tasks(status=status)
return TaskListResponse(
items=[self._task_to_response(t) for t in tasks],
total=total,
limit=limit,
offset=offset,
)
async def cancel_task(self, task_id: str) -> bool:
"""
取消任务
Args:
task_id: 任务ID
Returns:
是否成功取消
"""
# 获取任务
task = await self.db.get_task(task_id)
if not task:
return False
# 只有排队中或运行中的任务可以取消
if task.status not in (TaskStatus.QUEUED, TaskStatus.RUNNING):
return False
# 如果有 job_id,尝试取消队列任务
if task.job_id:
await self.queue.cancel(task.job_id)
# 更新状态
await self.db.update_task(task_id, {
"status": TaskStatus.CANCELLED,
"completed_at": datetime.utcnow(),
"message": "任务已取消",
})
return True
async def subscribe_progress(
self,
task_id: str
) -> AsyncGenerator[Dict[str, Any], None]:
"""
订阅任务进度(SSE 流)
Args:
task_id: 任务ID
Yields:
进度信息字典
"""
# 检查任务是否存在
task = await self.db.get_task(task_id)
if not task:
yield {"type": "error", "message": "任务不存在"}
return
# 如果任务已结束,直接返回最终状态
if task.status in (TaskStatus.COMPLETED, TaskStatus.FAILED, TaskStatus.CANCELLED):
yield {
"type": "final",
"status": task.status.value,
"message": task.message or task.error_message,
"progress": task.progress,
}
return
# 订阅进度更新
async for progress in self.queue.subscribe_progress(task_id):
yield progress
# 检查是否为终态
if progress.get("status") in ("completed", "failed", "cancelled"):
break
async def get_inference_outputs(self, task_id: str) -> Optional[InferenceOutputsResponse]:
"""
获取任务的推理输出列表
扫描 logs/{exp_name}/inference/ 目录,返回所有推理生成的音频文件元信息。
Args:
task_id: 任务 ID
Returns:
InferenceOutputsResponse 或 None(任务不存在时)
"""
# 获取任务
task = await self.db.get_task(task_id)
if not task:
return None
exp_name = task.exp_name
inference_dir = Path(settings.EXP_ROOT) / exp_name / "inference"
# 从 task.config 获取推理配置
ref_text = task.config.get("ref_text", "")
ref_audio_path = task.config.get("ref_audio_path", "")
target_text = task.config.get("target_text", "")
# 如果为空,从 .list 文件解析
if not ref_text or not ref_audio_path:
parsed_audio, parsed_text = self._parse_list_file(exp_name)
ref_audio_path = parsed_audio
ref_text = parsed_text
# 获取模型版本以确定权重目录
version = task.config.get("version", "v2")
gpt_weight_dir = self._get_gpt_weight_dir(version)
sovits_weight_dir = self._get_sovits_weight_dir(version)
outputs = []
if inference_dir.exists() and inference_dir.is_dir():
# 扫描目录中的所有 .wav 文件
for file_path in inference_dir.glob("*.wav"):
filename = file_path.name
# 解析文件名获取模型信息
# 格式: {exp_name}_gpt-{gpt_name}_sovits-{sovits_name}.wav
gpt_model, sovits_model = self._parse_inference_filename(filename, exp_name)
# 构建模型完整路径
gpt_path = str(Path(settings.EXP_ROOT) / exp_name / gpt_weight_dir / f"{gpt_model}.ckpt")
sovits_path = str(Path(settings.EXP_ROOT) / exp_name / sovits_weight_dir / f"{sovits_model}.pth")
# 获取文件信息
stat = file_path.stat()
outputs.append(InferenceOutputItem(
filename=filename,
gpt_model=gpt_model,
sovits_model=sovits_model,
gpt_path=gpt_path,
sovits_path=sovits_path,
file_path=str(file_path.relative_to(settings.PROJECT_ROOT)),
size_bytes=stat.st_size,
created_at=datetime.fromtimestamp(stat.st_ctime),
))
return InferenceOutputsResponse(
task_id=task_id,
exp_name=exp_name,
ref_text=ref_text,
ref_audio_path=ref_audio_path,
target_text=target_text,
outputs=outputs,
total=len(outputs),
)
async def download_inference_output(
self,
task_id: str,
filename: str
) -> Optional[Tuple[bytes, str, str]]:
"""
下载指定的推理输出文件
Args:
task_id: 任务 ID
filename: 文件名
Returns:
(文件内容, 文件名, content_type) 或 None(不存在时)
"""
# 获取任务
task = await self.db.get_task(task_id)
if not task:
return None
exp_name = task.exp_name
file_path = Path(settings.EXP_ROOT) / exp_name / "inference" / filename
# 安全检查:确保文件在预期目录内
try:
file_path = file_path.resolve()
expected_parent = (Path(settings.EXP_ROOT) / exp_name / "inference").resolve()
if not str(file_path).startswith(str(expected_parent)):
return None
except (ValueError, OSError):
return None
if not file_path.exists() or not file_path.is_file():
return None
# 读取文件内容
with open(file_path, "rb") as f:
file_data = f.read()
return file_data, filename, "audio/wav"
async def download_file(
self,
task_id: str,
file_type: str,
filename: str
) -> Optional[Tuple[bytes, str, str]]:
"""
下载指定类型的文件
Args:
task_id: 任务 ID
file_type: 文件类型 (output/ref_audio/gpt_model/sovits_model)
filename: 文件名
Returns:
(文件内容, 文件名, content_type) 或 None(不存在时)
"""
# 获取任务
task = await self.db.get_task(task_id)
if not task:
return None
exp_name = task.exp_name
version = task.config.get("version", "v2")
# 根据文件类型确定路径和 content_type
if file_type == "output":
file_path = Path(settings.EXP_ROOT) / exp_name / "inference" / filename
content_type = "audio/wav"
elif file_type == "ref_audio":
# ref_audio 使用完整路径(filename 参数实际上是完整路径)
file_path = Path(filename)
content_type = "audio/wav"
elif file_type == "gpt_model":
gpt_dir = self._get_gpt_weight_dir(version)
file_path = Path(settings.EXP_ROOT) / exp_name / gpt_dir / filename
content_type = "application/octet-stream"
elif file_type == "sovits_model":
sovits_dir = self._get_sovits_weight_dir(version)
file_path = Path(settings.EXP_ROOT) / exp_name / sovits_dir / filename
content_type = "application/octet-stream"
else:
return None
# 安全检查:确保文件路径有效
try:
file_path = file_path.resolve()
except (ValueError, OSError):
return None
if not file_path.exists() or not file_path.is_file():
return None
# 读取文件内容
with open(file_path, "rb") as f:
file_data = f.read()
# 使用文件名(不含路径)作为下载文件名
download_filename = file_path.name
return file_data, download_filename, content_type
def _parse_inference_filename(self, filename: str, exp_name: str) -> Tuple[str, str]:
"""
解析推理输出文件名,提取 GPT 和 SoVITS 模型名称
文件名格式: {exp_name}_gpt-{gpt_name}_sovits-{sovits_name}.wav
Args:
filename: 文件名
exp_name: 实验名称
Returns:
(gpt_model, sovits_model)
"""
# 移除扩展名
name = filename.rsplit(".", 1)[0] if "." in filename else filename
# 尝试解析模型名称
# 格式: {exp_name}_gpt-{gpt_name}_sovits-{sovits_name}
pattern = rf"^{re.escape(exp_name)}_gpt-(.+)_sovits-(.+)$"
match = re.match(pattern, name)
if match:
return match.group(1), match.group(2)
# 备用解析:尝试匹配 gpt- 和 sovits- 部分
gpt_match = re.search(r"gpt-([^_]+)", name)
sovits_match = re.search(r"sovits-([^_]+)", name)
gpt_model = gpt_match.group(1) if gpt_match else "unknown"
sovits_model = sovits_match.group(1) if sovits_match else "unknown"
return gpt_model, sovits_model
def _parse_list_file(self, exp_name: str) -> Tuple[str, str]:
"""
从 asr_opt/slicer_opt.list 解析第一行获取 ref_audio_path 和 ref_text
Args:
exp_name: 实验名称
Returns:
(ref_audio_path, ref_text) 元组,解析失败返回空字符串
"""
list_path = Path(settings.EXP_ROOT) / exp_name / 'asr_opt' / 'slicer_opt.list'
if not list_path.exists():
return "", ""
with open(list_path, 'r', encoding='utf-8') as f:
first_line = f.readline().strip()
if not first_line:
return "", ""
# 格式: {音频路径}|{文件夹名}|{语言}|{识别文本}
parts = first_line.split('|')
if len(parts) >= 4:
return parts[0], parts[3]
return "", ""
def _get_gpt_weight_dir(self, version: str) -> str:
"""根据模型版本获取 GPT 权重目录名"""
version_to_dir = {
"v1": "GPT_weights",
"v2": "GPT_weights_v2",
"v3": "GPT_weights_v3",
"v4": "GPT_weights_v4",
"v2Pro": "GPT_weights_v2Pro",
"v2ProPlus": "GPT_weights_v2ProPlus",
}
return version_to_dir.get(version, "GPT_weights_v2")
def _get_sovits_weight_dir(self, version: str) -> str:
"""根据模型版本获取 SoVITS 权重目录名"""
version_to_dir = {
"v1": "SoVITS_weights",
"v2": "SoVITS_weights_v2",
"v3": "SoVITS_weights_v3",
"v4": "SoVITS_weights_v4",
"v2Pro": "SoVITS_weights_v2Pro",
"v2ProPlus": "SoVITS_weights_v2ProPlus",
}
return version_to_dir.get(version, "SoVITS_weights_v2")
def _task_to_response(self, task: Task) -> TaskResponse:
"""将 Task 领域模型转换为 TaskResponse"""
return TaskResponse(
id=task.id,
exp_name=task.exp_name,
status=task.status.value if isinstance(task.status, TaskStatus) else task.status,
current_stage=task.current_stage,
progress=task.stage_progress,
overall_progress=task.progress,
message=task.message,
error_message=task.error_message,
created_at=task.created_at,
started_at=task.started_at,
completed_at=task.completed_at,
)
|