星海智算：【镜像教程】一键克隆声音：GPT-SoVITS解锁完美声线

[ GPT-SoVITS 镜像教程 ]

——  欢迎使用星海智算 ——

“给我三分钟 偷走你的声音”

GPT-SoVITS✦

 模型介绍 

GPT-SoVITS是由RVC创始人RVC-Boss与AI声音转换技术专家Rcell共同开发的一款跨语言TTS克隆项目。它是一款强大的音色克隆模型，支持少量语音转换，支持中文、英文和日文的语音推理。基于深度学习技术，GPT-SoVITS能够生成与目标人物声音非常相似的音频，只需提供一分钟的语音即可进行有效的识别和训练，生成高度相似的语音模型。该软件适用于各种应用场景，如虚拟代言人、语音助手和有声读物等，用户可以轻松生成高质量的语音音频，以满足不同需求。 

PART.01：启动应用  

首先，进入星海智算平台，点击【GPU实例】，即可创建实例。

在【选择配置】中，可选择不同区域的显卡。

在【镜像市场】点击更换镜像，选择GPT-SoVITS镜像，确认后在实例创建页面点击<立即创建>即可。

创建成功等待4-5分钟，看到状态栏跳转<运行中>且登录信息显现即可进行下一步操作。

  接着进行远程连接，输入Win+R ，出现运行界面后输入 mstsc，点击确认。

  点击确认后会出现远程桌面连接，复制星海实例界面登录信息。

  远程桌面连接后会弹出Windows系统，根据引导启动即可。

  双击打开igo-webui.bat - 快捷方式，等待命令框显现，单击第二行，回车，就可以进入应用界面。

PART.02：镜像操作  

待程序打开后呈现的就是GPT-SoVITS主页面。

01

  打开远程桌面中的GPT-SoVITS文件夹，再额外创建一个文件夹（可根据音频人物自由命名），用于放置我们的音频文件。

  在新创建的文件夹中，另建两个文件夹，一个用于存放事先准备好的音频文件，另一个存放原始音频切片。

02

  进入应用后，勾选【是否开启UVR5-WebUI】，对音频进行人声分离。

  稍等片刻，跳转新的界面后，将需要处理的音频文件地址复制在【输入待处理音频文件夹路径】和【指定输出主人声文件夹】下栏中，选择第一个模型，点击转换，就会生成处理完的音频。

  接着在存放原始音频文件夹中，将事先保存的待处理音频文件删除，只保留刚刚处理完成的新音频。

03

  将刚刚处理完的音频文件地址（输入地址）和原始音频切片文件地址（输出地址）分别复制在【音频自动切分输入路径，可文件可文件夹】和【切分后的子音频的输出根目录】下栏中，点击【开启语音切割】，进行音频剪切。

剪切完的音频便保存在了原始音频切片文件夹中。

04

  接着进行ASR进程，将文件输入输出地址分别填入，单击【开启批量离线ASR】。

  待运行完毕生成的文件将自动保存在输出文件夹中。

05

  下面进行各种训练，点击【1-GPT-SoVITS-TTS】，在【实验/模型名】下栏中输入任务名称，点击【开启一健三连】。

06

    待进程完毕后，即可进行下一步操作，点击【1B-微调训练】，先进行SoVITS训练，点击【开启SoVITS训练】，稍等片刻。

  待训练完毕，在【SoVITS训练进程输出信息】下栏中，将会显示【SoVITS训练完成】。

 再进行GPT训练，点击【开启GPT训练】，待训练完毕，在【GPT训练进程输出信息】下栏中将会显示【GPT训练完成】。

07

  进行推理环节，点击【1C-推理】，先刷新路径，在【*GPT模型列表】和【*SoVITS模型列表】下栏中优先选择刚刚训练好数值更大的模型，出图效果会更佳，勾选【是否开启TTS推理WebUI】，进行最后的操作。

08

  从存放原始音频剪切文件夹中上传一个3-10秒的参考音频。

  在【需要合成的文本】框内，输入需要合成的目标文本和语种模式，点击【合成语音】，最后的语音效果就呈现出来啦~

  快来星海智算平台使用GPT-SoVITS镜像，让我们一同探索声音的无限可能吧！

关于星海算力云

http:// https://www.spacehpc.com

欢迎使用星海算力云，星海算力云由北京三轴空间科技有限公司开发，由非盈利组织龙游星海算力产业中心运营的高性能GPU算力云平台。
星海团队长期致力于为图像渲染、科研高性能计算等提供服务。星海AI算力服务平台，获超高速增长，团队规模有100余人，服务了国内AI行业的许多一线团队。