引言：
近年来，随着人工智能技术的不断发展，语音技术已经成为了热门领域。尽管已有不少技术实现了一定程度的成功，但传统语音合成技术的问题依然存在。传统方法对于训练数据的需求量大、效果受到声音质量和口音差异的影响。因此，在语音技术领域中，一种受到广泛关注的新技术GPT-SoVITS-WebUI应运而生。GPT-SoVITS是花儿不哭大佬研发的低成本AI音色克隆软件，作为一种新兴的网络界面工具，具有自主学习、高效合成、支持多语言等特点，在语音领域中受到极高的关注和重视。它不仅能够迅速训练高质量的文本到语音模型，更能够克服声音质量和口音差异的影响，在语音合成中发挥既有的功效。同时，GPT-SoVITS-WebUI具有零次学习和少量次学习的TTS功能，可以实现自然语言转换，进一步提高了语音合成的性能。这一特性可为语音技术的开发者和爱好者带来更多的机会，实现多样化的语音应用，创造更加便捷的用户体验。综上所述，GPT-SoVITS-WebUI是一种非常先进的语音技术，具有广泛的应用前景和潜力。创作不易，要是对您有用请加个关注或点个赞，非常感谢了！
开源地址：
https://github.***/RVC-Boss/GPT-SoVITS
以下依据官方文档整理而得：
特点：
-
零样本 TTS：输入 5 秒的人声样本，体验即时文本到语音转换。
-
小镜头 TTS：只需 1 分钟的训练数据即可微调模型，以提高语音相似度和真实感。
-
跨语言支持：使用与训练数据集不同的语言进行推理，目前支持英语、日语和中文。
-
WebUI工具：集成工具包括语音伴奏分离、自动训练集分割、中文ASR和文本标注，帮助初学者创建训练数据集和GPT/SoVITS模型。
-
详细说明：教程中文版 User guide （EN）
安装
对于中国地区的用户，您可以点击此处使用AutoDL Cloud Docker在线体验全部功能。
经测试的环境
- python 3.9、PyTorch 2.0.1、CUDA 11
- Python 3.10.13、PyTorch 2.1.2、CUDA 12.3
- Python 3.9、PyTorch 2.3.0.dev20240122、macOS 14.3（Apple 芯片）
注意：numba==0.56.4 需要 py<3.11
window系统
如果你是 Windows 用户（使用 win>=10 测试），你可以直接下载预打包的发行版，双击 go-webui.bat 启动 GPT-SoVITS-WebUI。
Linux操作系统
conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
bash install.sh
macOS操作系统
只有满足以下条件的 Mac 才能训练模型：
- 搭载 Apple 芯片的 Mac 电脑
- macOS 12.3 或更高版本
- 通过运行
xcode-select --install
所有 Mac 都可以使用 CPU 进行推理，这已被证明优于 GPU 推理。
首先，通过运行 或 确保已安装 FFmpeg，然后使用以下命令进行安装：brew install ffmpegconda install ffmpeg
conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
pip3 install --pre torch torchaudio --index-url https://download.pytorch.org/whl/nightly/cpu
pip install -r requirements.txt
注意：仅当安装了 PyTorch Nightly 时，训练模型才有效。
手动安装
安装依赖项
pip install -r requirements.txt
安装 FFmpeg
Conda 用户
conda install ffmpeg
Ubuntu/Debian 用户
sudo apt install ffmpeg sudo apt install libsox-dev conda install -c conda-forge 'ffmpeg<7'
Windows 用户
下载并放置ffmpeg.exe和ffprobe.exe GPT-SoVITS 根目录。
使用 Docker
docker-***pose.yaml 配置
- 关于镜像标签：由于代码库更新速度快，镜像打包测试过程较慢，请在 Docker Hub 上查看当前打包的最新镜像，并根据自己的情况进行选择，或者根据自己的需求使用 Dockerfile 在本地构建。
- 环境变量：
- is_half：控制半精度/双精度。如果在“SSL 提取”步骤中未正确生成目录 4-***hubert/5-wav32k 下的内容，则通常是原因。根据您的实际情况调整为“真”或“假”。
- 卷配置，容器内应用的根目录设置为 /workspace。默认的 docker-***pose.yaml 列出了一些上传/下载内容的实际示例。
- shm_size：Windows 上 Docker Desktop 默认可用内存太小，可能导致操作异常。根据自己的情况进行调整。
- 在部署部分，GPU相关设置应根据您的系统和实际情况谨慎调整。
使用 docker ***pose 运行
docker ***pose -f "docker-***pose.yaml" up -d
使用 docker 命令运行
如上所述，根据您的实际情况修改相应的参数，然后运行以下命令：
docker run --rm -it --gpus=all --env=is_half=False --volume=G:\GPT-SoVITS-DockerTest\output:/workspace/output --v预训练模型
从 GPT-SoVITS 模型下载预训练模型并将它们放在 中。GPT_SoVITS/pretrained_models
对于UVR5（人声/伴奏分离和混响去除），请从UVR5 Weights下载模型并将其放置在 .tools/uvr5/uvr5_weights
中国地区的用户可以通过输入下面的链接并点击“下载副本”来下载这两个模型
-
GPT-SoVITS 模型
-
UVR5砝码
对于中文 ASR（另外），请从 Damo ASR 模型、Damo VAD 模型和 Damo Punc 模型下载模型，并将其放在 中。tools/damo_asr/models
数据集格式
TTS 注解 .list 文件格式：
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>vocal_path|speaker_name|language|text
</code></span></span></span></span>语言词典：
- 'zh'： 中文
- 'ja'： 日语
- 'en'： English
例：
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>D:\GPT-SoVITS\xxx/xxx.wav|xxx|en|I like playing Genshin.
</code></span></span></span></span>待办事项列表
-
高优先级：
- 日语和英语本地化。
- 用户指南。
- 日语和英语数据集微调训练。
-
特征：
- 零样本语音转换（5s）/小样本语音转换（1min）。
- TTS语速控制。
- 增强的 TTS 情绪控制。
- 尝试将 SoVITS 令牌输入更改为词汇的概率分布。
- 改进英文和日文文本前端。
- 开发小型和大型 TTS 模型。
- Colab 脚本。
- 尝试扩展训练数据集（2k 小时 -> 10k 小时）。
- 更好的 Sovits基本型号（增强的音频质量）
- 模型组合
（可选）如果需要，这里将提供命令行操作模式
使用命令行打开 UVR5 的 WebUI
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>python tools/uvr5/webui.py "<infer_device>" <is_half> <webui_port_uvr5>
</code></span></span></span></span>如果打不开浏览器，按照下面的格式进行UVR处理，这是使用mdx***进行音频处理
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>python mdx***.py --model --input_root --output_vocal --output_ins --agg_level --format --device --is_half_precision
</code></span></span></span></span>这是使用命令行完成数据集的音频分割的方式
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>python audio_slicer.py \
--input_path "<path_to_original_audio_file_or_directory>" \
--output_root "<directory_where_subdivided_audio_clips_will_be_saved>" \
--threshold <volume_threshold> \
--min_length <minimum_duration_of_each_subclip> \
--min_interval <shortest_time_gap_between_adjacent_subclips>
--hop_size <step_size_for_***puting_volume_curve>
</code></span></span></span></span>这是使用命令行完成数据集 ASR 处理的方式（仅限中文）
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>python tools/damo_asr/cmd-asr.py "<Path to the directory containing input audio files>"
</code></span></span></span></span>ASR处理通过Faster_Whisper进行（ASR标记，中文除外）
（没有进度条，GPU性能可能会导致时间延迟）
<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>python ./tools/damo_asr/WhisperASR.py -i <input> -o <output> -f <file_name.list> -l <language>
</code></span></span></span></span>已启用自定义列表保存路径
