🛠 VITS Magyar TTS – Munkafolyamat Összefoglaló

1. A környezet felépítése

• Docker konténer: vits_magyar_training (Coqui TTS alapú).
• Mappaszerkezet: * /ai_training/mentesek/: Ide kerülnek a checkpointok (.pth fájlok) és a config.json.
  • /ai_training/adatok/: Itt tároljuk a kimeneti .wav fájlokat.
  • /Adatok/: A Windows által is látott megosztott mappa.

2. A „78 vs 79” karakter-hiba elhárítása

A modell és a szoftver közötti verziókülönbség miatt a config.json fájlt manuálisan korrigálni kell, különben a generálás RuntimeError (size mismatch) hibával leáll.

• A megoldás: A num_chars értékét 79-re kell írni, és a characters listát ki kell egészíteni egy extra karakterrel (pl. β), hogy a szoftver belső számlálója is 79-et mutasson.

3. Hanggenerálás (Inferencia)

Mivel a gyári tts parancs néha érzékeny a konfigurációra, a legbiztosabb módszer a konténeren belüli Python-alapú indítás.

• A folyamat: 1. A config.json és a legfrissebb checkpoint_XXXXX.pth betöltése. 2. A szöveg tokenizálása (betűk számokká alakítása). 3. A modell inference vagy forward metódusának meghívása. 4. A kapott hullámforma (tensor) mentése .wav fájlba az AudioProcessor segítségével.

4. A modell fejlődési szakaszai

• ~15.000 lépés: A hangszín már felismerhető (a „te hangod”), de a beszéd még kásás, nehezen érthető „motyogás”.
• ~50.000 lépés: A kiejtés kitisztul, a szavak felismerhetővé válnak, de a hangsúlyozás még robotos lehet.
• 100.000+ lépés: Folyamatos, tiszta beszéd, természetesebb hanglejtéssel.

---

🚀 Hogyan folytatjuk legközelebb?

Amikor új ablakot nyitsz, csak ennyit kell mondanod:

„Folytassuk a VITS magyar tanítást. A 14.800-as checkpointnál tartunk. A config.json már 79 karakterre van állítva. Indítsuk el a tanítást!”

🛠️ VITS Magyar Training – Mentési jegyzőkönyv (2026.04.28.)

• Legutolsó stabil állapot: checkpoint_14800.pth (Visszaállítva a /appdata/vits_samples/model.pth mentésből).
• Aktuális munkakönyvtár: /ai_training/mentesek/vits_magyar_v1-RECOVERY/
• Kritikus Docker útvonalak (Mountok):
  • Adatok: /ai_training/adatok -> /root/adatok
  • Mentések: /ai_training/mentesek -> /root/mentesek
• Működő indítóparancs:Bashdocker run -it --name vits_magyar_training \ --entrypoint python3 \ -v /ai_training/adatok:/root/adatok \ -v /ai_training/mentesek:/root/mentesek \ ghcr.io/coqui-ai/tts:latest \ -m TTS.bin.train_tts --continue_path /root/mentesek/vits_magyar_v1-RECOVERY/
• Konfigurációs javítás: A config.json-ben a text_cleaner fixen phoneme_cleaners-re van állítva a magyar nyelvhez.

---

Szeretnéd, hogy a következő alkalommal, amikor elindulunk, automatikusan ezt a „RECOVERY” mappát tekintsem az alapértelmezettnek?