AIGC 实战（环境篇）—— Debian安装GPT-SoVITS

GPT-SoVITS 是一款强大的支持少量语音转换、文本到语音的音色克隆模型。支持中文、英文、日文的语音推理。

据开发者及各大博主测验，仅需提供 5 秒语音样本即可体验达到 80%~95% 像的声音克隆。若提供 1 分钟语音样本可以逼近真人的效果，且训练出高质量的 TTS 模型！

[!tip] 项目地址：GitHub – RVC-Boss/GPT-SoVITS: 1 min voice data can also be used to train a good TTS model! (few shot voice cloning)

功能：

1. 零样本文本到语音（TTS）： 输入 5 秒的声音样本，即刻bobyai体验文本到语音转换。

2. 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。

3. 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。

4. 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。

一、安装

conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
pip install -r requirements.txt
pip install --no-cache-dir -r requirements.txt

# 如果你需要中文自动语音识别（由FunASR支持），请安装：
pip install modelscope torchaudio sentencepiece funasr

bash install.sh

安装 FFmpeg：

conda install ffmpeg

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

二、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。

对于中文自动语音识别（另外），从 Damo ASR Model, Damo VAD Model, 和 Damo Punc Model 下载模型，并将它们放置在 tools/damo_asr/models 中。

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

三、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.

四、微调与推理

（一）打开WebUI

1. 整合包用户

双击go-webui.bat或者使用go-webui.pbobyais1 若想使用V1,则双击go-webui-v1.bat或者使用go-webui-v1.ps1

2. 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

（二）微调

1. 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

（三）打开推理WebUI

1. 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

2. 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

五、开机启动

# 运行 GPT-SoVITS
cd /root/GPT-SoVITS/
conda activate GPTSoVits
nohup python webui.py zh > SoVITS.log 2>&1 &
conda deactlaoxiongb2civate