GPT-SoVITS-WebUI

GPT-SoVITS-WebUI官网

强大的少样本语音转换与语音合成Web用户界面。

网站服务：AI学习网站，AI音频工具，AI学习网站，AI音频工具，GPT-SoVITS-WebUI，AI之旅AI导航。

GPT-SoVITS-WebUI简介

1 min voice data can also be used to train a good TTS model! (few shot voice cloning) – RVC-Boss/GPT-SoVITS

功能：

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。

安装

中国地区用户可点击此处使用 AutoDL 云端镜像进行体验。

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。

中国地区用户可以通过点击链接并选择“下载副本”下载整合包。（如果下载时遇到错误，请退出登录）

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

安装依赖

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

下载并将 ffmpeg.exe 和 ffprobe.exe 放置在 GPT-SoVITS 根目录下。

Mac 用户

brew install ffmpeg

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

从 GPT-SoVITS Models 下载预训练模型，并将它们放置在 GPT_SoVITS\pretrained_models 中。

对于 UVR5（人声/伴奏分离和混响移除，附加），从 UVR5 Weights 下载模型，并将它们放置在 tools/uvr5/uvr5_weights 中。

中国地区用户可以进入以下链接并点击“下载副本”下载以上两个模型（如果下载时遇到错误，请退出登录）：

GPT-SoVITS Models

UVR5 Weights

对于中文自动语音识别（附加），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 中。

对于英语与日语自动语音识别（附加），从 Faster Whisper Large V3 下载模型，并将它们放置在 tools/asr/models 中。 此外，其他模型可能具有类似效果，但占用更小的磁盘空间。

中国地区用户可以通过以下链接下载：

Faster Whisper Large V3（点击“下载副本”，如果下载时遇到错误，请退出登录）

Faster Whisper Large V3(Hugging Face镜像站)

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’: Chinese
‘ja’: Japanese
‘en’: English

示例：

D:\GPT-SoVITS\xxx/xxx.wav|xxx|en|I like playing Genshin.

GPT-SoVITS-WebUI官网入口网址

https://github.com/RVC-Boss/GPT-SoVITS/

OpenI小编发现GPT-SoVITS-WebUI网站非常受用户欢迎，请访问GPT-SoVITS-WebUI网址入口试用。