| # evaluation on audiocaps | |
| export CUDA_VISIBLE_DEVICES=2 | |
| num_steps=25 | |
| ckpt_path=./weights/fluxaudio_fm.pth | |
| output_path=./exps/fluxaudio/test_${num_steps}nfe_fp32 | |
| python eval.py \ | |
| --variant "fluxaudio_fm" \ | |
| --model_path "$ckpt_path" \ | |
| --output $output_path/audio \ | |
| --cfg_strength 4.5 \ | |
| --num_steps $num_steps \ | |
| --encoder_name t5_clap \ | |
| --duration 10 \ | |
| --use_rope \ | |
| --text_c_dim 512 \ | |
| --num_steps $num_steps \ | |
| --full_precision | |
| cd ./av-benchmark | |
| gt_audio='gt_audio' # not used if you specify gt_cache | |
| gt_cache='./data/audiocaps/test-features' | |
| pred_audio=$output_path/audio | |
| output_metrics_dir=$output_path | |
| python evaluate.py \ | |
| --gt_audio $gt_audio \ | |
| --gt_cache $gt_cache \ | |
| --pred_audio $pred_audio \ | |
| --pred_cache $output_metrics_dir/cache \ | |
| --audio_length=10 \ | |
| --recompute_pred_cache \ | |
| --skip_video_related \ | |
| --output_metrics_dir=$output_metrics_dir \ | |
| # --debug |