GPT SoVITS声音克隆ai软件-今夕资源网

软件介绍：
零样本文本到语音（TTS）：输入 5 秒的声音样本，即刻体验文本到语音转换。

少样本 TTS：仅需 1 分钟的训练数据即可微调模型，提升声音相似度和真实感。

跨语言支持：支持与训练数据集不同语言的推理，目前支持英语、日语、韩语、粤语和中文。

WebUI 工具：集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注，协助初学者创建训练数据集和 GPT/SoVITS 模型。

由花儿不哭大佬耗费两个月时间制作的神器

(下载地址页面下拉)

在线图文教程
https://docs.qq.com/doc/DQnJ2bnBrc0N1eHN1

环境支持

测试通过的环境
Python 3.9，PyTorch 2.0.1，CUDA 11
Python 3.10.13，PyTorch 2.1.2，CUDA 12.3
Python 3.9，Pytorch 2.2.2，macOS 14.4.1（Apple 芯片）
Python 3.9，PyTorch 2.2.2，CPU 设备
注: numba==0.56.4 需要 python<3.11 Windows 如果你是 Windows 用户（已在 win>=10 上测试），可以下载下载整合包，解压后双击 go-webui.bat 即可启动 GPT-SoVITS-WebUI。

中国地区的用户可以在此处下载整合包。

Linux
conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
bash install.sh
macOS
注：在 Mac 上使用 GPU 训练的模型效果显著低于其他设备训练的模型，所以我们暂时使用 CPU 进行训练。

运行 xcode-select –install 安装 Xcode command-line tools。
运行 brew install ffmpeg 安装 FFmpeg。
完成上述步骤后，运行以下的命令来安装本项目：
conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
pip install -r requirements.txt
手动安装
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
下载并将 ffmpeg.exe 和 ffprobe.exe 放置在 GPT-SoVITS 根目录下。

安装 Visual Studio 2017 环境(仅限韩语TTS)

MacOS 用户
brew install ffmpeg
安装依赖
pip install -r requirements.txt
在 Docker 中使用
docker-compose.yaml 设置
image 的标签：由于代码库更新很快，镜像的打包和测试又很慢，所以请自行在 Docker Hub 查看当前打包好的最新的镜像并根据自己的情况选用，或者在本地根据您自己的需求通过 Dockerfile 进行构建。
环境变量：
is_half: 半精度/双精度控制。在进行 “SSL extracting” 步骤时如果无法正确生成 4-cnhubert/5-wav32k 目录下的内容时，一般都是它引起的，可以根据实际情况来调整为 True 或者 False。
Volume 设置，容器内的应用根目录设置为 /workspace。默认的 docker-compose.yaml 中列出了一些实际的例子，便于上传/下载内容。
shm_size：Windows 下的 Docker Desktop 默认可用内存过小，会导致运行异常，根据自己情况酌情设置。
deploy 小节下的 gpu 相关内容，请根据您的系统和实际情况酌情设置。
通过 docker compose 运行
docker compose -f “docker-compose.yaml” up -d
通过 docker 命令运行
同上，根据您自己的实际情况修改对应的参数，然后运行如下命令：

docker run –rm -it –gpus=all –env=is_half=False –volume=G:\GPT-SoVITS-DockerTest\output:/workspace/output –volume=G:\GPT-SoVITS-DockerTest\logs:/workspace/logs –volume=G:\GPT-SoVITS-DockerTest\SoVITS_weights:/workspace/SoVITS_weights –workdir=/workspace -p 9880:9880 -p 9871:9871 -p 9872:9872 -p 9873:9873 -p 9874:9874 –shm-size=”16G” -d breakstring/gpt-sovits:xxxxx
预训练模型
中国地区的用户可以在此处下载这些模型。

从 GPT-SoVITS Models 下载预训练模型，并将其放置在 GPT_SoVITS/pretrained_models 目录中。

从 G2PWModel_1.1.zip 下载模型，解压并重命名为 G2PWModel，然后将其放置在 GPT_SoVITS/text 目录中。（仅限中文TTS）

对于 UVR5（人声/伴奏分离和混响移除，额外功能），从 UVR5 Weights 下载模型，并将其放置在 tools/uvr5/uvr5_weights 目录中。

对于中文 ASR（额外功能），从 Damo ASR Model、Damo VAD Model 和 Damo Punc Model 下载模型，并将它们放置在 tools/asr/models 目录中。

对于英语或日语 ASR（额外功能），从 Faster Whisper Large V3 下载模型，并将其放置在 tools/asr/models 目录中。此外，其他模型可能具有类似效果且占用更少的磁盘空间。

数据集格式
文本到语音（TTS）注释 .list 文件格式：

vocal_path|speaker_name|language|text
语言字典：

‘zh’: 中文
‘ja’: 日语
‘en’: 英语
‘ko’: 韩语
‘yue’: 粤语
示例：

D:\GPT-SoVITS\xxx/xxx.wav|xxx|zh|我爱玩原神。
微调与推理
打开WebUI
整合包用户
双击go-webui.bat或者使用go-webui.ps1 若想使用V1,则双击go-webui-v1.bat或者使用go-webui-v1.ps1

其他
python webui.py <language(optional)>
若想使用V1,则

python webui.py v1 <language(optional)>
或者在webUI内动态切换

微调
现已支持自动填充路径
1.填入训练音频路径

2.切割音频

3.进行降噪(可选)

4.进行ASR

5.校对标注

6.前往下一个窗口,点击训练
打开推理WebUI
整合包用户
双击 go-webui.bat 或者使用 go-webui.ps1 ,然后在 1-GPT-SoVITS-TTS/1C-推理中打开推理webUI

其他
python GPT_SoVITS/inference_webui.py <language(optional)>
或者

python webui.py
然后在 1-GPT-SoVITS-TTS/1C-推理中打开推理webUI

V2发布说明
新特性:

支持韩语及粤语

更好的文本前端

底模由2k小时扩展至5k小时

对低音质参考音频（尤其是来源于网络的高频严重缺失、听着很闷的音频）合成出来音质更好

详见wiki

从v1环境迁移至v2

需要pip安装requirements.txt更新环境

需要克隆github上的最新代码

需要从huggingface 下载预训练模型文件放到GPT_SoVITS\pretrained_models\gsv-v2final-pretrained下

中文额外需要下载G2PWModel_1.1.zip（下载G2PW模型,解压并重命名为G2PWModel,将其放到GPT_SoVITS/text目录下）

待办事项清单
高优先级：

日语和英语的本地化。
用户指南。
日语和英语数据集微调训练。
功能:

零样本声音转换（5 秒）/ 少样本声音转换（1 分钟）。
TTS 语速控制。
增强的 TTS 情感控制。
尝试将 SoVITS 令牌输入更改为词汇的概率分布。
改进英语和日语文本前端。
开发体积小和更大的 TTS 模型。
Colab 脚本。
扩展训练数据集（从 2k 小时到 10k 小时）。
更好的 sovits 基础模型（增强的音频质量）。
模型混合。
（附加）命令行运行方式
使用命令行打开UVR5的WebUI

python tools/uvr5/webui.py “<infer_device>” <is_half> <webui_port_uvr5>

下载地址

GPT SoVITS声音克隆ai软件

相关推荐

评论抢沙发

评论前必须登录！

搜索

最新文章

文章分类

标签云