Demo

1. 电脑配置要求

训练：
    Windows
        支持 CUDA 的 nVIDIA 显卡，每张拥有至少 8G 以上显存
        常见的不能使用的显卡：2060以前所有显卡
        Windows 10/11 系统
        如果没显卡的话会自动识别使用CPU训练，但会很慢


推理：
    Windows
        支持 CUDA 的 nVIDIA 显卡，每张拥有至少 4G 以上显存（未实测，3G刚好无法合成一句，所以推测4G应该可以）
        Windows 10/11 系统
        如果没显卡的话会自动识别使用CPU推理，但会很慢


温馨提示：笔记本用户请做好散热！已经有人训练时不注意发生了火灾！训练会同时吃满CPU和GPU！
        比打游戏的压力大很多！请千万做好散热！安全第一！如果散热开口在下面的请将笔记本悬空！
        长期训练记得及时更换硅脂。 不要在无人的时候训练！如果训练后电脑出现任何硬件问题概不负责！

2. 下载GPT-SoVITS

--在线试用： https://gsv.acgnai.top/
--点击访问GPT-SoVITS开源库: https://github.com/RVC-Boss/GPT-SoVITS/tree/main

--进入后点击 “中文简体“

--滑动到下面点击 “在此处下载整合包”
--或者直接点击链接跳转： https://www.yuque.com/

--推荐选择使用百度网盘下载

--等待下载完成

--下载GitHub开源包（注意开源包里面不包含环境,可以不下载）

--解压整合包

--解压完成后运行文件夹中的 go-webui.bat

               --打开后启动Web, 这里主要用于完成对声音的预处理有兴趣可以看下文档和视频教程也可以直接跳过
                   --GPTSoVITS官方文档教程：   https://www.yuque.com/
                   --GPTSoVITS官方视频教程：   https://www.bilibili.com/video/BV1GJ4m1e7x2/

3. GPTSoVITS标注和训练

--拿到一个比较纯净的音频先进行人声分离和语音降噪,也可以直接用剪映处理导出
--示例训练音频下载： https://share.weiyun.com/djYmI3w2/

--根据网页提示选择合适的分离模型

--降噪这块输入文件夹路径点击降噪即可

--注意所有处理好的文件都在output文件夹中，确认好没有杂音和混响后进行下一步

--输入路径点击“开启语音切分”

--切分后路径

--输入切分后的路径点击“开启语音识别”

--语音识别后打开生成的slicer_opt.list 文件确认识别的文字是否正确

--如果识别的不准确修改文字后点击“开启音频标注”音频识别正确可跳过

--接下来点击 “GPT-SoVITS-TS” 切换页面

--选择模型名称，版本，标注文件

--点击“开启训练集格式化一键三连”

--切换到微调模型

--选择合适的配置点击“开启SoVITS训练”

--选择合适的配置点击“开启GPT训练”, 注意两个不要同时开启训练

--GPT_weights 和 SoVITS_weights分别在不同文件夹

--找到SoVITS_weights训练最后一轮的模型权重文件

--找到GPT_weights训练最后一轮的模型权重文件

至此模型标注训练完成

.pth文件作用
    主要用于存储SoVITS模型的权重。是语音转换模型，它能够将一种语音风格转换为另一种风格，同时保持语音的自然度和清晰度。
     GPT-SoVITS框架中，SoVITS模型负责生成最终的音频文件，因此其权重对于合成语音的质量至关重要。


.ckpt文件作用
    .ckpt文件则用于存储GPT模型的权重。GPT是一个基于Transformer架构的预训练语言模型，它能够生成自然流畅的文本。
    在GPT-SoVITS框架中，GPT模型负责生成文本特征，这些特征随后被用于指导SoVITS模型生成语音。

4. GPTSoVITS推理

               --打开整合包文件目录
                   --runtime:  文件夹是Python环境目录
                   --api.py和api_v2.py:  GPTSoVITS接口服务一般用api_v2.py

--启动GPTSoVITS接口服务，使用runtime文件夹中的Python环境执行 api_v2.py

--终端出现以下文字表示服务启动成功

--Python调用声音克隆接口示例
--示例参考音频下载： https://share.weiyun.com/k2FM9GVl/

  GET:
      ```
            http://127.0.0.1:9880/tts?text=先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。&text_lang=zh&ref_audio_path=archive_jingyuan_1.wav&prompt_lang=zh&prompt_text=我是「罗浮」云骑将军景元。不必拘谨，「将军」只是一时的身份，你称呼我景元便可&text_split_method=cut5&batch_size=1&media_type=wav&streaming_mode=true
      ```
  
  POST:
      ```json
      {
          "text": "",                   # (必需)要合成的文本
          "text_lang: "",               # (必需)要合成的文本的语言
          "ref_audio_path": "",         # (必需)参考音频路径 10秒内
          "aux_ref_audio_paths": [],    # (可选)用于多扬声器音调融合的辅助参考音频路径
          "prompt_text": "",            # (可选)参考音频的提示文本
          "prompt_lang": "",            # (必需)参考音频提示文本的语言
          "top_k": 5,                   # 最高k抽样
          "top_p": 1,                   # 顶部p取样
          "temperature": 1,             # 取样温度
          "text_split_method": "cut0",  # 文本拆分方法，详见text_segmentation_method.py
          "batch_size": 1,              # 推断的批量大小
          "batch_threshold": 0.75,      # 批量拆分的阈值
          "split_bucket: True,          # 是否将批分割为多个时段
          "speed_factor":1.0,           # 控制语速数值越大声音越快
          "streaming_mode": False,      # 是否返回流响应
          "seed": -1,                   # 随机种子的再现性
          "parallel_infer": True,       # 是否使用平行推断
          "repetition_penalty": 1.35    # T2S模型的重复惩罚
      }
      ```
  
  RESP:
      成功: 直接返回 wav 音频流， http code 200
      失败: 返回包含错误信息的 json, http code 400




  # Python 调用示例:

      import requests

      def GetGPTSoVITSData(url, data, output_path):
          """
              调用GPTSoVITS克隆推理接口
      
              url: 调用的接口地址
              data: 请求的参数
              output_path: 音频保存的路径
          """
      
          with requests.post(url, json=data,stream=True) as response:
              # 检查请求是否成功
              if response.status_code == 200:
                  # 以二进制写模式打开文件
                  with open(output_path, 'wb') as file:
                      # 循环读取响应内容，每次读取一个块
                      for chunk in response.iter_content(chunk_size=1024):
                          # 如果chunk存在（即不是None），则将其写入文件
                          if chunk:
                              file.write(chunk)
      
      
      url = "http://127.0.0.1:9880/tts"
      
      data = {
          "text": "先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也",                   
          "text_lang": "zh",
          "ref_audio_path": "E:/Code/OcrUITool/1.wav",         
          "aux_ref_audio_paths": [],    
          "prompt_text": "这些都需要进行自我解剖，自我批评。所谓慎独，是指一个人在独处无人监督的情况下。",            
          "prompt_lang": "zh",             
          "top_k": 5,                   
          "top_p": 1,                   
          "temperature": 1,             
          "text_split_method": "cut0",  
          "batch_size": 1,              
          "batch_threshold": 0.75,      
          "split_bucket": True,
          "speed_factor":1.0,           
          "streaming_mode": True,     
          "seed": -1,                   
          "parallel_infer": True,       
          "repetition_penalty": 1.35,
          "media_type":"wav" 
      }
      
      GetGPTSoVITSData(url, data, "2.wav")

--Python调用重启服务/停止服务接口示例


    GET:
        ```
            http://127.0.0.1:9880/control?command=restart
        ```

    POST:
        ```json
            {
                "command": "restart"
            }
        ```
  
    RESP: 无



    # Python 调用重启服务模型示例:
        import requests

        def RestartGPTSoVITS(url):
            """
                重启服务或停止服务接口
        
                url: 调用的接口地址
            """
        
            response = requests.get(url)
            print(response.text)
        
        
        url = "http://127.0.0.1:9880/control?command=restart"    # command=restart 重启服务，command=exit 结束运行
        RestartGPTSoVITS(url)

--切换GPT模型和Sovits模型


    ### 切换GPT模型
    endpoint: `/set_gpt_weights`

    GET:
      ```
      http://127.0.0.1:9880/set_gpt_weights?weights_path=GPT_SoVITS/pretrained_models/s1bert25hz-2kh-longer-epoch=68e-step=50232.ckpt
      ```

      RESP: 
      成功: 返回"success", http code 200
      失败: 返回包含错误信息的 json, http code 400
    
    
    ### 切换Sovits模型
    endpoint: `/set_sovits_weights`
    
    GET:
      ```
      http://127.0.0.1:9880/set_sovits_weights?weights_path=GPT_SoVITS/pretrained_models/s2G488k.pth
      ```
      
      RESP: 
      成功: 返回"success", http code 200
      失败: 返回包含错误信息的 json, http code 400





    # Python 调用切换GPT模型示例:
        import requests

        def SetGpt(url):
            """
                切换GPT模型
        
                url: 调用的接口地址
            """
        
            response = requests.get(url)
            print(response.text)
        
        
        url = "http://127.0.0.1:9880/set_gpt_weights?weights_path=E:/Code/GPT-SoVITS/GPT-SoVITS-v3lora-20250228/GPT_weights_v3/train-e15.ckpt"
        SetGpt(url)
      
      

    # Python 调用切换Sovits模型示例:
        import requests

        def SetSovits(url):
            """
                切换Sovits模型
        
                url: 调用的接口地址
            """
        
            response = requests.get(url)
            print(response.text)
        
        
        url = "http://127.0.0.1:9880/set_sovits_weights?weights_path=E:/Code/GPT-SoVITS/GPT-SoVITS-v3lora-20250228/SoVITS_weights_v3/train_e3_s576_l32.pth"
        SetSovits(url)

技术协助