显卡云 GPT-SoVITS 声音克隆程序部署教程

已于 2024-02-23 16:20:49 修改
阅读量2k 收藏 21
点赞数 20
文章标签： ai 前端 算法
于 2024-02-23 16:18:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-NC-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LZXLSMLTZLLM/article/details/136258911
版权

带有训练教程及转存在123Pan的一键包：
仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛 (biliwind.com) 2

购买服务器

首先，我们需要买一台显卡云服务器

极度推荐使用雨云，优惠码：lsm2023

选择宿迁显卡云

图片[1]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

若只是短期使用，建议选择最高配置，如果是长期使用，建议按需选择（主要关注显存）

图片[2]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

图片[2]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛1920×1008 265 KB

系统选择Windows Server 2022 数据中心版

此系统已默认安装NVIDIA显卡驱动，CUDA已启用，版本如下：

NVIDIA-SMI 537.70, Driver Version: 537.70, CUDA Version: 12.2

之后点击右下角的试用即可5元获得一天的使用时长

图片[3]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

图片[3]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛1920×1008 215 KB

如果GPU资源不足，则可使用更低显存的版本

图片[4]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

部署GPT-SoVITS

连接服务器

服务器创建完成后，点击管理进入管理面板

图片[5]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

找到首页的NAT端口映射，复制默认生成的地址

图片[6]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

之后在你自己的电脑上搜索rdp，找到远程桌面连接并打开

图片[7]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

将复制的内容填入“计算机”输入框中，点击“显示选项”

图片[8]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

将此处的用户名填入

图片[9]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

图片[9]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛1920×1008 303 KB

点击连接后会弹出输入密码

图片[10]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

复制并填入“远程密码”

图片[11]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

遇到下图提示直接点击是即可

图片[12]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

下载

进入桌面后，打开浏览器

图片[13]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

图片[13]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛1044×595 47 KB

之后打开我转存在123Pan的一键包

如果你希望获得最新版的，可以用魔法去抱脸上下载：预打包文件 (huggingface.co) 2

之后在服务器上下一个解压软件（请勿使用360、好压等流氓软件），可选的有：

下载时进度卡在100% 0KB/s：

图片[14]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

图片[14]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛1309×727 187 KB

打开edge的设置-隐私、搜索和服务

关闭Microsoft Defender Smartscreen即可（它会在下载后扫描文件导致卡在100% 0KB/s）

解压

解压GPT-SoVITS一键包

图片[15]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

如果你还有其他事要做（如准备数据集）则可以勾选低优先级模式

图片[16]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛

图片[16]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型 - 风屿岛-风屿岛713×525 127 KB

等待GPT-SoVITS解压完成即可

训练纳西妲声音模型

生成nahida.list

在GPT-SoVITS目录中新建一个raw_audio文件夹用于放置数据集

将先前下载的数据集解压进里面，并且建议将其放置在单独的文件夹中（即新建一个叫nahida的文件夹，再将*.wav和*.lab解压进去）

最终的目录结构看起来是这样的：

GPT-SoVITS\raw_audio\nahida\*.wav

GPT-SoVITS\raw_audio\nahida\*.lab

说明

.wav后缀为角色语音
.lab后缀为打标好的文件

之后打开GPT-SoVITS目录下的go-webui.bat打开web界面

进入webui后直接修改下图所指的位置

图片[17]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛

将其替换为你数据集（*.wav）所在的文件夹，如果你按照本教程操作，那么改为：

 

C:\Users\Administrator\Desktop\GPT-SoVITS-beta0128\raw_audio\nahida
 

点击批量ASR后等待即可，当ASR进程输出信息中显示完成时进行下一步
 

若你还是不确定是否完成，可以前往output\asr_opt目录，打开nahida.list文件
 

 

图片[18]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

上图即为完成后的效果
 

准备训练
 

之后打开上方的第二个tab，修改红框中的内容
 

 

图片[19]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

 

图片[20]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

如果你按照本教程操作，下图三个框中的内容应该为
 

  1. nahida
  2. C:\Users\Administrator\Desktop\GPT-SoVITS-beta0128\output\asr_opt\nahida.list
  3. C:\Users\Administrator\Desktop\GPT-SoVITS-beta0128\raw_audio\nahida
 

 

图片[21]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

之后按顺序进行以下8步操作
 

 

图片[22]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

例：点击1的按钮后等待，直到2中提示任务完成，之后继续点击3观察4，如此往复
 

 

图片[23]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

根据大佬指出，此处直接点击7（开启一键三连）即可
 

SoVITS与GPT训练
 

之后打开这个tab的第二个tab
 

 

图片[24]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

batch_size根据显存大小和模型数据量调整若使用8G显存的套餐，则所有保持默认即可
 

你需要分别进行SoVITS训练和GPT训练，都训练完成后才能进行推理
 

TTS音频推理
 

 

图片[25]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

TTS推理WebUI进程输出信息中提示进程已开启后需要稍等1分钟左右加载模型
 

模型加载完成后会自动打开TTS推理webui，以下是主要功能区的介绍
 

 

图片[26]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

  1. 放置参考音频的地方（会影响最终推理出音频的语气与情绪）
  2. 参考音频中说了什么内容
  3. 你要把什么文本转换成语音
  4. 把3中的内容转换为语音
  5. 点击4后输出的音频
 

 

图片[27]-仅需5元，手把手教你训练纳西妲GPT-SoVITS模型-风屿岛
 

参考音频可以在数据集中随便找一些略长的音频
 

长文本合成效果：

                

        

    

  



    

      

        

            

              
                
                  Chat_lsm2024
                
              
            

            

                关注
              
            

        

        

          
      

      










                



	

		

			

				
					
GPT-SoVITS语音合成服务器部署，可远程访问（全部代码和详细部署步骤）

				
			

			

				

					qq_34717531的博客
				

				

					03-18
					
					4288
					
				

			

		

		

			
				
此外，项目还提供了一些集成工具，包括声音伴奏分离，自动训练集分割，中文ASR和文本标签，帮助初学者创建训练数据集和 GPT/SoVITS 模型。Zero-shot TTS 可以让用户输入5秒钟的语音样本并立即体验转换后的语音，而 Few-shot TTS 则可以通过使用仅一分钟的训练数据进行模型微调，从而提高语音相似度和真实性。WebUI 工具：集成工具包括声音伴奏分离，自动训练集分割，中文ASR和文本标签，帮助初学者创建训练数据集和GPT/SoVITS模型。

			
		

	



                

            
              



	

		

			

				
					
Window系统GPT-SoVITS配置安装

				
			

			

				

					类人_猿的博客
				

				

					02-20
					
					4264
					
				

			

		

		

			
				
作者链接
版本这里根据教程的版本走即可，这里不会安装python或者不会配置环境的参考我之前的文章prezip
win + r打开cmd命令行找到对应的源文件地址输入pip install -r requirements.txt安装依赖文件

等待安装结束直接运行webui.py


这里我用的vsc运行的，也可以直接cmd命令行运行 python xxx.py去运行ERROR: Could not install packages due to an OSError: [Errno 2] No such 

			
		

	



              


  
              

                


	

		

			

				
					
基于星海智算平台的Windows系统GPT-SoVITS部署指南

					
最新发布

				
			

			

				

					2501_91377542的博客
				

				

					04-03
					
					1029
					
				

			

		

		

			
				
GPT-Sovits是一款先进的开源语音合成模型，具备强大的音色克隆能力，仅需少量语音数据即可精准模拟目标音色。它支持多语言合成，提供便捷的WebUI工具，确保本地运行保护隐私，为语音合成任务提供高效、灵活的解决方案。一、注册账号与准备工作平台注册访问星海智算GPU云平台点击注册可填写邀请码21735375（注册双方均可获赠额外算力资源）。二、GPU实例创建与镜像配置1. 创建实例：登录控制台后，依次点击【GPU实例】→【创建实例】。2. 硬件选择建议。

			
		

	





	

		

			

				
					
GPT-SoVITS本地部署：低成本实现语音克隆远程生成音频全流程实战

				
			

			

				

					私聊前往站内信：https://i.csdn.net/#/msg/chat/weixin_44976692
				

				

					03-24
					
					7373
					
				

			

		

		

			
				
今天要给大家安利一个绝对能让你大呼过瘾的声音黑科技——GPT-SoVITS！这款由花儿不哭大佬精心打造的语音克隆神器，已经在GitHub上收获了超过35K颗星星，简直是声音界的扛把子。你可能会想：这玩意儿难用吗？完全不会！GPT-SoVITS V2版不仅支持中、日、英、韩、粤五种语言，还加入了语速调节和无参考文本模式等实用功能。更让人兴奋的是，它为Windows用户准备了超简单的整合包，下载解压就能直接上手。但是，如果你只有一台性能强劲的电脑，并且希望在外出时也能随时随地使用这款神器怎么办？别担心！

			
		

	



		

			
		



	

		

			

				
					
【超详细教程】GPT-SoVITs从零开始训练声音克隆教程（主要以云端AutoDL部署为例）

					
热门推荐

				
			

			

				

					李同学Lino的博客
				

				

					01-29
					
					5万+
					
				

			

		

		

			
				
近日，RVC变声器的创始人（GitHub昵称为RVC-Boss）与AI音色转换技术专家Rcell合作，共同开发并开源了一款创新的跨语言音色克隆工具——GPT-SoVITS。这个项目在互联网上迅速获得了广泛关注和好评，众多业界大佬和知名博主都对其给予了推荐。自项目上线以来，短短两天内，它在GitHub上的Star数就达到了1.4k，而现在这个数字已经飙升至6.5k。GPT-SoVITS的开发历时半年，期间RVC-Boss和Rcell面临了诸多挑战。

			
		

	





	

		

			

				
					
GPT-SoVITS 本地化部署及使用 [详细教程]

				
			

			

				

					Polo_fang的博客
				

				

					07-18
					
					2万+
					
				

			

		

		

			
				
作者b站演示视频：耗时两个月自主研发的低成本AI音色克隆软件，免费送给大家！【GPT-SoVITS】_哔哩哔哩_bilibili关注UP主并私信GPT/gpt/sovits/SOVITS/SoVITS/SVC/svc自动获取整合训练包下载链接文案配音：AI孙笑川（GPT-SoVITS）算法相关经验和成果是我和Rcell经过半年时间踩了上百个坑得出的当前的最优解，如果对大家有用的话，希望能够一键三连支持一下。收费的均不是本人。RVC官方唯一账号。

			
		

	





	

		

			

				
					
GPT-SoVITS语音合成服务器部署（远程访问）

				
			

			

				

					03-14
				

			

		

		

			
				
生成的语音

			
		

	





	

		

			

				
					
GPT-SoVITS声音克隆 [mac教程]

				
			

			

				

					weixin_40862140的博客
				

				

					08-11
					
					1824
					
				

			

		

		

			
				
gpt-sovits项目实现声音克隆操作指南

			
		

	





	

		

			

				
					
GPT-SoVITS-WebUI 声音克隆，强大的少样本语音转换与语音合成Web用户界面，支持中英日语

				
			

			

				

					01-22
				

			

		

		

			
				
功能： 1、零样本文本到语音（TTS）： 输入5秒的声音样本，即刻体验文本.../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。

			
		

	





	

		

			

				
					
GPT-SoVITS声音克隆训练和推理（新手教程,附整合包）

				
			

			

				

					本博客，博文仅代表个人操作经验，不能完全解决你的问题，仅供参考，佛系回复。
				

				

					04-24
					
					3231
					
				

			

		

		

			
				
Win10 专业版整合包。

			
		

	





	

		

			

				
					
基于中文文本情绪分析自动切换参考音频的 GPT-SoVITS 推理 

				
			

			

				

					05-11
				

			

		

		

			
				
基于中文文本情绪分析自动切换参考音频的 GPT-SoVITS 推理  GPT, 通常指的是“Generative Pre-trained Transformer”（生成式预训练转换器），是一个在自然语言处理（NLP）领域非常流行的深度学习模型架构。GPT模型...

			
		

	





	

		

			

				
					
文字转语音TTS工具，开源可本地或云端部署：GPT-SoVITS

				
			

			

				

					诸神缄默不语的博客
				

				

					04-15
					
					4890
					
				

			

		

		

			
				
本文介绍文字转语音工具：GPT-SoVITS

			
		

	





	

		

			

				
					
GPT-SoVITS的部署与API调用（主要以AutoDL云端部署）

				
			

			

				

					qq_61884165的博客
				

				

					03-21
					
					6367
					
				

			

		

		

			
				
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、日文的语言推理。据开发者各大博主测验，仅需提供5秒语音样本即可体验达到80%-95%像的声音克隆。若提供一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。训练推理整合包地址：百度网盘 请输入提取码百度网盘为您提供文件的网络备份、同步和分享服务。空间大、速度快、安全稳固，支持教育网加速，支持手机端。注册使用百度网盘即可享受免费存储空间。

			
		

	





	

		

			

				
					
在服务器Ubuntu22.04系统下，GPT-SoVITS声音大模型的部署(2)

				
			

			

				

					weixin_63782093的博客
				

				

					07-24
					
					1697
					
				

			

		

		

			
				
在服务器Ubuntu22.04系统下，GPT-SoVITS声音大模型的部署(2)

			
		

	





	

		

			

				
					
docker-compose安装声音克隆ai软件 gpt-sovits

				
			

			

				

					qq_59451023的博客
				

				

					04-10
					
					3102
					
				

			

		

		

			
				
最近发现了一个超好玩又免费的声音克隆软件，如果你的音频源纯净的话，声音相似度能达到百分之99%，可惜需要有显卡，网上的一般都是pc版安装教程，而我一直不喜欢在pc机上安装什么环境，所以今天特地来分享这篇超简单的linux版docker-compose一键式安装gpt-sovits需求：1. GPU2. docker环境及docker-compose(支持显卡，具体教程百度下ji)3. python3.9环境（网上教程一大堆）4. 魔法魔法魔法！

			
		

	





	

		

			

				
					
在服务器Ubuntu22.04系统下，GPT-SoVITS声音大模型的部署

				
			

			

				

					weixin_63782093的博客
				

				

					07-23
					
					1675
					
				

			

		

		

			
				
在服务器Ubuntu22.04系统下，GPT-SoVITS声音大模型的部署

			
		

	





	

		

			

				
					
GPT-SoVITS: 一分钟语音数据训练出色TTS模型完全安装配置手册

				
			

			

				

					gitblog_09424的博客
				

				

					09-13
					
					1385
					
				

			

		

		

			
				
GPT-SoVITS: 一分钟语音数据训练出色TTS模型完全安装配置手册

    
        
            GPT-SoVITS
            
            
                
                项目地址: https://gitcode.com/gh_mirrors/gp/GPT-SoVITS
            
  ...

			
		

	





	

		

			

				
					
GPT-SoVITS 一键整合包 - AIStarter启动器常见问题解答

				
			

			

				

					ai_xiaogui的博客
				

				

					08-22
					
					839
					
				

			

		

		

			
				
无论您是创意工作者还是技术爱好者，这些免费的AI工具都将极大地扩展您的创作边界。它们不仅能够帮助您提升工作效率，还能激发新的灵感和想法。如果您对AI技术充满好奇，想要尝试使用这些强大的工具来提升自己的工作效率或创造独特的内容，那么现在就开始探索吧！快来体验这些神奇的AI工具吧！让我们一起探索AI的力量，开启您的创意之旅！GPT-SoVITS 一键整合包- AIStarter启动器常见问题解答。

			
		

	





	

		

			

				
					
TTS语音合成部署服务器，可远程访问（全部代码和详细部署步骤）

				
			

			

				

					qq_34717531的博客
				

				

					03-19
					
					2161
					
				

			

		

		

			
				
TTS（Text-to-Speech，文本转语音）是一种将书面文本转换成口头语言输出的技术。用户输入文本，TTS系统将这些文本“读”出来，通常是通过合成语音的形式。这种技术可以使计算机、智能手机、平板电脑和其他设备通过语音与用户交流。随着技术的发展，TTS的自然度和可理解性在不断提高，使得它在我们日常生活中的应用越来越广泛。

			
		

	





	

		

			

				
					
gpt-sovits声音克隆

				
			

			

				

					02-11
				

			

		

		

			
				
### GPT-SoVITS声音克隆工具概述

GPT-SoVITS是一个用于创建高度逼真语音合成模型的强大工具，能够精确复制特定个体的声音特征[^1]。

### 安装环境配置

为了顺利运行GPT-SoVITS项目，需先搭建合适的开发环境。推荐使用Anaconda来管理Python版本及相关依赖库：

```bash
conda create -n sovits python=3.8
conda activate sovits
pip install torch==1.9.0 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
pip install -r requirements.txt
```

上述命令会安装PyTorch以及其它必要的软件包，确保所有组件兼容并正常工作。

### 数据集准备

高质量的数据对于训练效果至关重要。应收集目标人物清晰无背景噪音的音频片段作为样本数据源。每条记录建议长度控制在几秒到十几秒之间，并保持一致的采样率（通常为22kHz）。这些素材将被用来提取声纹特征，进而构建个性化的发声模型。

### 训练过程简介

完成前期准备工作之后就可以启动模型训练流程了。具体操作如下所示：

```python
from utils import preprocess_dataset, train_model

# 对原始音频文件执行预处理操作
preprocess_dataset('path/to/audio/files')

# 开始正式训练阶段
train_model(config='config.json', checkpoint_dir='./checkpoints')
```

此部分涉及复杂的算法运算，在GPU支持下可以显著加快收敛速度。经过若干轮迭代优化后即可获得初步可用的结果。

### 测试与应用实例

当模型训练完毕并通过验证测试后便能投入实际应用场景当中去了。下面给出一段简单的调用代码供参考：

```python
import os
from text_to_speech import TTSModel

model_path = './checkpoints/best.pth'
output_wav = 'generated_audio.wav'

tts = TTSModel(model_path=model_path)
audio_data = tts.synthesize(text="这是一句测试语句")
os.write(output_wav, audio_data)

print(f"已成功生成音频文件 {output_wav}")
```

这段脚本展示了如何加载已经训练好的权重参数并将指定的文字转换成对应的语音输出。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值