一、模型介绍

强大的小样本语音转换和文本转语音 WebUI。

具有以下特征：

• 零样本 TTS： 输入 5 秒的声音样本并体验即时文本到语音的转换。
• 少量样本 TTS： 仅使用 1 分钟的训练数据对模型进行微调，以提高语音相似度和真实感。
• 跨语言支持：使用不同于训练数据集的语言进行推理，目前支持英语、日语、韩语、粤语和中文。
• WebUI 工具： 集成工具包括语音伴奏分离、自动训练集分割、中文 ASR 和文本标注，帮助初学者创建训练数据集和 GPT/SoVITS 模型。

二、部署流程

测试环境

• Python 3.9、CUDA 12.1

1.克隆

git clone https://github.com/RVC-Boss/GPT-SoVITS.git
cd /GPT-SoVITS/

2.创建虚拟环境并安装

conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
bash install.sh

3.安装ffmpeg

conda install ffmpeg

4.安装依赖项

pip install -r requirements.txt

5.预训练模型

用户可以在这里下载所有这些模型。

1. 从 GPT-SoVITS 模型下载预训练模型并将其放置在 GPT_SoVITS/pretrained_models。
2. 下载 G2PW 模型G2PWModel_1.1.zip，解压并重命名为 G2PWModel，然后将其放置在 GPT_SoVITS/text。(仅支持中文 TTS)
3. 对于 UVR5（此外还有人声/伴奏分离和混响消除），从UVR5 Weights下载模型并将其放入 tools/uvr5/uvr5_weights。
4. 对于中文 ASR（另外），从Damo ASR 模型、Damo VAD 模型和Damo Punc 模型下载模型并将它们放置在 中 tools/asr/models。
5. 对于英语或日语 ASR（另外），请从Faster Whisper Large V3下载模型并将其放入 tools/asr/models。此外，其他模型可能具有类似的效果，但磁盘占用空间更小。

也可从modelscope下载：

git lfs install
git clone https://www.modelscope.cn/AI-ModelScope/GPT-SoVITS.git

6.数据集格式

TTS 注释.list 文件格式：

vocal_path|speaker_name|language|text

语言词典：

• ‘zh’：中文
• ‘ja’：日语
• ‘en’：英语
• ‘ko’：韩语
• ‘粤’：粤语

三、推理

python webui.py 

四、页面演示

点击此处，立即体验GPT-SOVIT！