公众号:【可乐前端】,每天3分钟学习一个优秀的开源项目,分享web面试与实战知识。
每天3分钟开源
hi,这里是每天3分钟开源,很高兴又跟大家见面了,今天介绍的开源项目简介如下:
仓库名:
RVC-Boss/GPT-SoVITS
项目名:
GPT-SoVITS
开源地址:https://github.com/RVC-Boss/GPT-SoVITS
主要语言:
Python
stars数量:
17918
forks数量:
1888
开源协议:
MIT License
一句话介绍
这是一个基于 GPT-SoVITS
的强大的少样本语音转换和文本转语音的WebUI开源项目。
详细描述
GPT-SoVITS
是一个开源项目,它使用大约一分钟的语音数据便可以训练出一个优秀的TTS模型。
项目的核心技术是 Zero-shot TTS
和 Few-shot TTS
。
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。
该项目支持多语言推理,包括但不限于英语,日语和中文。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。
具体功能
Zero-shot TTS
:用户只需输入5秒钟的语音样本,就可以立即体验文本到语音的转换。Few-shot TTS
:使用只有一分钟的训练数据微调模型,以提高语音的相似度和真实感。跨语言支持
:可以在与训练数据集不同的语言中进行推理,目前支持英语,日语和中文。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。
如何使用
环境要求
:Python 3.9,PyTorch 2.0.1,CUDA 11;Python 3.10.13,PyTorch 2.1.2,CUDA 12.3;Python 3.9,PyTorch 2.3.0.dev20240122,macOS 14.3。此外,numba==0.56.4要求py<3.11。安装
:用户可以直接下载预打包的发行版并双击go-webui.bat
来启动GPT-SoVITS-WebUI。对于Linux和macOS用户,可以使用anaconda创建一个新的环境并在其中安装必要的依赖,然后运行安装脚本。预训练模型
:从GPT-SoVITS模型下载预训练模型,并将它们放在GPT_SoVITS/pretrained_models文件夹中。对于UVR5(声音/伴奏分离和混响去除),从UVR5权重下载模型,并将它们放在tools/uvr5/uvr5_weights文件夹中。数据集格式
:TTS注释的.list文件格式为:vocal_path|speaker_name|language|text。语言字典为:‘zh’: Chinese,‘ja’: Japanese,‘en’: English。例如:D:\\GPT-SoVITS\\xxx/xxx.wav|xxx|en|I like playing Genshin.
无论你是语音技术的专业人士,还是对语音技术感兴趣的初学者,GPT-SoVITS都将为你提供一个全新的、便捷的语音克隆体验。快来尝试一下吧!
最后
感谢您的阅读,这里每天都会推送优秀的开源项目,如果觉得有帮助的话,一键三连一下吧~