声音生成评价项目AudioLDM_eval项目配置过程

引言

• 对于生成的声音，如何进行评价，一般是通过计算FAD、FID、KL等不同系数，但是并没有相关的库文件.这里找到了一个在很多项目中都使用的库。

正文

• 下述为这个测试包需要安装的环境，如果直接安装，会默认安装最新的，然后会出很多问题。

"torch>=1.11.0",
"torchaudio",
"scikit-image",
"torchlibrosa",
"absl-py",
"scipy",
"tqdm",
"ssr_eval",
"librosa",
1
2
3
4
5
6
7
8
9

• 这里一个一个做了测试，并列举出每一个包拥有的版本号

torchlibrosa== (from versions: 0.0.1, 0.0.2, 0.0.3, 0.0.4, 0.0.5, 0.0.6, 0.0.7, 0.0.8, 0.0.9, 0.0.10, 0.1.0)

• 注意，这里要选择0.8.0，新版的很多函数发生了改变，不然会出现函数调用的问题。
• 最重要的是使用linux的系统，安装的pytorch最好是1.12.0或者1.13.0

问题一：模型下载不了

• 下载VGGish，打不开对应的网页。直接跳转到对应的网页，下载，然后放到对应的位置。

问题二 TypeError: pad_center() takes 1 positional argument but 2 were given

• 安装librosa的版本为0.8.0，然后在继续使用。

问题三 AttributeError: module ‘numpy’ has no attribute ‘complex’.

• 异常如下

• 修改方式

结果

• 弄了好几天，终于跑通了，完美。