GPT-SoVITS-WebUI

GPT-SoVITS-WebUI官網

強大的少樣本語音轉換與語音合成Web用戶界面。

網站服務：AI學習網站，AI音頻工具，AI學習網站，AI音頻工具，GPT-SoVITS-WebUI，AI之旅AI導航。

GPT-SoVITS-WebUI簡介

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

功能：

零樣本文本到語音（TTS）：?輸入 5 秒的聲音樣本，即刻體驗文本到語音轉換。

少樣本 TTS：?僅需 1 分鐘的訓練數據即可微調模型，提升聲音相似度和真實感。

跨語言支持：?支持與訓練數據集不同語言的推理，目前支持英語、日語和中文。

WebUI 工具：?集成工具包括聲音伴奏分離、自動訓練集分割、中文自動語音識別(ASR)和文本標注，協助初學者創建訓練數據集和 GPT/SoVITS 模型。

安裝

中國地區用戶可點擊此處使用 AutoDL 云端鏡像進行體驗。

測試通過的環境

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 設備

注: numba==0.56.4 需要 python<3.11

Windows

如果你是 Windows 用戶（已在 win>=10 上測試），可以下載下載整合包，解壓后雙擊 go-webui.bat 即可啟動 GPT-SoVITS-WebUI。

中國地區用戶可以通過點擊鏈接并選擇“下載副本”下載整合包。（如果下載時遇到錯誤，請退出登錄）

Linux

conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
bash install.sh

macOS

注：在 Mac 上使用 GPU 訓練的模型效果顯著低于其他設備訓練的模型，所以我們暫時使用 CPU 進行訓練。

運行?xcode-select --install?安裝 Xcode command-line tools。
運行?brew install ffmpeg?安裝 FFmpeg。
完成上述步驟后，運行以下的命令來安裝本項目：

conda create -n GPTSoVits python=3.9
conda activate GPTSoVits

pip install -r requirements.txt

手動安裝

安裝依賴

pip install -r requirements.txt

安裝 FFmpeg

Conda 用戶

conda install ffmpeg

Ubuntu/Debian 用戶

sudo apt install ffmpeg
sudo apt install libsox-dev
conda install -c conda-forge 'ffmpeg<7'

Windows 用戶

下載并將?ffmpeg.exe?和?ffprobe.exe?放置在 GPT-SoVITS 根目錄下。

Mac 用戶

brew install ffmpeg

在 Docker 中使用

docker-compose.yaml 設置

image 的標簽：由于代碼庫更新很快，鏡像的打包和測試又很慢，所以請自行在?Docker Hub?查看當前打包好的最新的鏡像并根據自己的情況選用，或者在本地根據您自己的需求通過 Dockerfile 進行構建。
環境變量：

is_half: 半精度/雙精度控制。在進行 “SSL extracting” 步驟時如果無確生成 4-cnhubert/5-wav32k 目錄下的內容時，一般都是它引起的，可以根據實際情況來調整為 True 或者 False。

Volume 設置，容器內的應用根目錄設置為 /workspace。 默認的 docker-compose.yaml 中列出了一些實際的例子，便于上傳/下載內容。
shm_size：Windows 下的 Docker Desktop 默認可用內存過小，會導致運行異常，根據自己情況酌情設置。
deploy 小節下的 gpu 相關內容，請根據您的系統和實際情況酌情設置。

通過 docker compose 運行

docker compose -f "docker-compose.yaml" up -d

通過 docker 命令運行

同上，根據您自己的實際情況修改對應的參數，然后運行如下命令：

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

預訓練模型

從?GPT-SoVITS Models?下載預訓練模型，并將它們放置在?GPT_SoVITS\pretrained_models?中。

對于 UVR5（人聲/伴奏分離和混響移除，附加），從?UVR5 Weights?下載模型，并將它們放置在?tools/uvr5/uvr5_weights?中。

中國地區用戶可以進入以下鏈接并點擊“下載副本”下載以上兩個模型（如果下載時遇到錯誤，請退出登錄）：

GPT-SoVITS Models

UVR5 Weights

對于中文自動語音識別（附加），從?Damo ASR Model，?Damo VAD Model， 和?Damo Punc Model?下載模型，并將它們放置在?tools/asr/models?中。

對于英語與日語自動語音識別（附加），從?Faster Whisper Large V3?下載模型，并將它們放置在?tools/asr/models?中。 此外，其他模型可能具有類似效果，但占用更小的磁盤空間。

中國地區用戶可以通過以下鏈接下載：

Faster Whisper Large V3（點擊“下載副本”，如果下載時遇到錯誤，請退出登錄）

Faster Whisper Large V3(Hugging Face鏡像站)

數據集格式

文本到語音（TTS）注釋 .list 文件格式：

vocal_path|speaker_name|language|text

語言字典：

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

示例：

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

GPT-SoVITS-WebUI官網入口網址

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

OpenI小編發現GPT-SoVITS-WebUI網站非常受用戶歡迎，請訪問GPT-SoVITS-WebUI網址入口試用。