TTSのレポジトリ"VITS-fast-fine-tuning"の修正点まとめ（自分用）

TTS(text to speech)ができる有名なモデルの一つにVITSがあります。それをcolab上でfine-tuningして試せるライブラリを有志の方が一般公開されています。 しかしながらそのままだと動かなかったので、修正点をこちらに整理しておきます。 大量のデータをアップロードするときには、事前にzip形式でdrive上にアップロードしておくといい（ローカルからのダウンロードはめちゃくちゃ時間かかる） ライブラリのバージョンが色々合わないので、Step3で全自