GPT-SoVITS-WebUI可以中文声音克隆开源AI工具简介

引言：

        近年来，随着人工智能技术的不断发展，语音技术已经成为了热门领域。尽管已有不少技术实现了一定程度的成功，但传统语音合成技术的问题依然存在。传统方法对于训练数据的需求量大、效果受到声音质量和口音差异的影响。因此，在语音技术领域中，一种受到广泛关注的新技术GPT-SoVITS-WebUI应运而生。GPT-SoVITS是花儿不哭大佬研发的低成本AI音色克隆软件，作为一种新兴的网络界面工具，具有自主学习、高效合成、支持多语言等特点，在语音领域中受到极高的关注和重视。它不仅能够迅速训练高质量的文本到语音模型，更能够克服声音质量和口音差异的影响，在语音合成中发挥既有的功效。同时，GPT-SoVITS-WebUI具有零次学习和少量次学习的TTS功能，可以实现自然语言转换，进一步提高了语音合成的性能。这一特性可为语音技术的开发者和爱好者带来更多的机会，实现多样化的语音应用，创造更加便捷的用户体验。综上所述，GPT-SoVITS-WebUI是一种非常先进的语音技术，具有广泛的应用前景和潜力。创作不易，要是对您有用请加个关注或点个赞，非常感谢了！

开源地址：

https://github.com/RVC-Boss/GPT-SoVITS

以下依据官方文档整理而得：

特点：

1. 零样本 TTS：输入 5 秒的人声样本，体验即时文本到语音转换。

2. 小镜头 TTS：只需 1 分钟的训练数据即可微调模型，以提高语音相似度和真实感。

3. 跨语言支持：使用与训练数据集不同的语言进行推理，目前支持英语、日语和中文。

4. 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。

5. 详细说明：教程中文版 User guide （EN）

安装

对于中国地区的用户，您可以点击此处使用AutoDL Cloud Docker在线体验全部功能。

经测试的环境

• 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（Apple 芯片）

  注意：numba==0.56.4 需要 py=10 测试），你可以直接下载预打包的发行版，双击 go-webui.bat 启动 GPT-SoVITS-WebUI。

  Linux操作系统

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

  macOS操作系统

  只有满足以下条件的 Mac 才能训练模型：

  • 搭载 Apple 芯片的 Mac 电脑
  • macOS 12.3 或更高版本
  • 通过运行xcode-select --install

    所有 Mac 都可以使用 CPU 进行推理，这已被证明优于 GPU 推理。

    首先，通过运行 或 确保已安装 FFmpeg，然后使用以下命令进行安装：brew install ffmpegconda install ffmpeg

    conda create -n GPTSoVits python=3.9
    conda activate GPTSoVits
    pip3 install --pre torch torchaudio --index-url https://download.pytorch.org/whl/nightly/cpu
    pip install -r requirements.txt

    注意：仅当安装了 PyTorch Nightly 时，训练模型才有效。

    手动安装

    安装依赖项

    pip install -r requirements.txt

    安装 FFmpeg

    Conda 用户

    conda install ffmpeg

    Ubuntu/Debian 用户

    sudo apt install ffmpeg
    sudo apt install libsox-dev
    conda install -c conda-forge 'ffmpeg