【GPT-SoVITS】GPT-SoVITSAPI调用：让二次元角色开口说话，打造专属语音合成系统

介绍

GPT-SoVITS 是一个强大的语音合成系统，它结合了 GPT（生成式预训练转换器）和 SoVITS（Soft-VC VITS）两种先进技术：

• GPT: 负责文本理解和语音生成的控制，能够根据上下文生成自然的语音内容
• SoVITS: 负责声音转换，可以将生成的语音转换为目标说话人的声音特征

本系统特别针对《凉宫春日》系列的角色进行了训练，可以生成多个角色的自然语音。系统支持多种语言（中文、英文、日文、粤语、韩文等），并提供了丰富的参数调整选项，让用户能够精确控制生成的语音效果。

安装说明

首先需要安装 gradio_client 库：

pip install gradio_client

API 端点说明

1. 获取角色列表

API名称: /change_choices

from gradio_client import Client

client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
    api_name="/change_choices"
)
print(result)

参数: 无

返回值:

• 返回一个包含所有可用角色的列表：
  • 凉宫春日
  • 古泉一树
  • 朝仓凉子
  • 朝比奈实玖瑠（大）
  • 朝比奈实玖瑠（小）
  • 虚妹
  • 长门有希（正常时间线）
  • 长门有希（消失时间线）
  • 阿虚
  • 鹤屋

2. 切换角色

API名称: /change_characters

from gradio_client import Client

client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
    character_name="凉宫春日",
    api_name="/change_characters"
)
print(result)

参数:

• character_name: 角色名称（默认：“凉宫春日”）

返回值: 返回一个包含三个元素的元组

1. 预设参考音频列表
2. Sovits模型路径
3. GPT模型路径

3. 切换预设参考音频

API名称: /change_predef_ref

from gradio_client import Client

client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
    character_name="凉宫春日",
    ref_name="14_日常交谈感",
    api_name="/change_predef_ref"
)
print(result)

参数:

• character_name: 角色名称（默认：“凉宫春日”）
• ref_name: 预设参考音频名称（默认：“14_日常交谈感”）

返回值: 返回一个包含两个元素的元组

1. 参考音频文件路径
2. 参考音频的文本内容

4. 生成语音

API名称: /get_tts_wav

from gradio_client import Client, file

client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
    sovits_path="SoVITS_weights_v2/Haruhi_20250113_e1500_s58500.pth",
    gpt_path="GPT_weights_v2/Haruhi_20250113-e10.ckpt",
    ref_wav_path=file('参考音频路径'),
    prompt_text="参考音频的文本",
    prompt_language="日文",
    text="要合成的文本",
    text_language="日文",
    how_to_cut="凑四句一切",
    top_k=15,
    top_p=1,
    temperature=1,
    ref_free=False,
    speed=1,
    if_freeze=False,
    inp_refs=[file('额外参考音频路径')],
    api_name="/get_tts_wav"
)
print(result)

参数说明:

• sovits_path: SoVits模型路径
• gpt_path: GPT模型路径
• ref_wav_path: 参考音频文件路径
• prompt_text: 参考音频的文本内容
• prompt_language: 参考音频的语种（中文/英文/日文/粤语/韩文等）
• text: 需要合成的文本
• text_language: 需要合成的语种
• how_to_cut: 文本切分方式（不切/凑四句一切/凑50字一切等）
• top_k: 采样参数
• top_p: 采样参数
• temperature: 采样参数
• ref_free: 是否开启无参考文本模式
• speed: 语速
• if_freeze: 是否直接对上次合成结果调整语速和音色
• inp_refs: 额外的参考音频文件列表（可选）

返回值: 生成的语音文件路径