引言

近几日群友向我展示了GPT-SoVITS的效果，逐产生兴趣，向群友要了训练好的模型，就有了下文。

推理篇

出于对于原作者的尊重，我不在这里放下载链接。

Windows用户可以直接访问这里找到下载整合包的链接。

Linux用户请阅读并跟随这个教程，macOS没试过懒得管。

给到我的训练好的模型文件夹下有三个文件，分别是 .ckpt (GPT_Weights)，.pth (SoVITS_Weights)，还有一段 mp3 格式的参考音频。

Linux部署

不同发行版安装 conda，NVIDIA驱动，CUDA等的方式不同。故在此不做记录，相信到家都足够聪明知道怎么装qwq。

直入主题。

克隆仓库

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

配置conda环境

引用自 31/7/2024 的 此处，请注意时效性

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

进入目录，启动WebUI

cd GPT-SoVITS
python webui.py

推理

直接参考 这部分

Windows部署

没什么好说的，从Github找到整合包链接，下载，解压（不想教，不会的建议退出），准备好训练好的模型，分别按照扩展名放入 GPT_Weights 和 SoVITS_Weights 目录下。

运行目录下的 go-webui.bat 启动脚本。

推理

打开WebUI后进入 1-GPT-SOVITS-TTS

进入 1C-推理 页面

左侧选择两个你要用的模型（红色箭头），如果你要的模型没有出现，按右侧刷新模型路径按钮（黑色箭头），然后再检查。如果还是没有出现，请检查是否将模型放入了正确的目录。

完成上述任务后勾选 打开TTS推理 WebUI，等待右侧日志输出“TTS推理进程已开启”，随后应该会跳出 http://你的IP:9872 的推理WebUI。

再次double check模型是否正确，如果你要的模型没有出现，按右侧刷新模型路径按钮（黑色箭头），然后再检查。如果还是没有出现，请检查是否将模型放入了正确的目录。

模型正确后，在右上角红色箭头的位置上传一段3-10秒的推理参考音频，并在绿色箭头的位置输入对应的参考文本，在下角蓝色方框的位置输入需要被推理的文本。随后点击开始推理，你应该能拿到一段你预期内的音频。

至此，推理篇告一段落。玩的开心。

训练篇

明天再写，懒。

现在就写

部分文案（尤其下面这几句）是搬的！来源在这里。

现在已支持日文训练？（存疑，看了下issue貌似没那么可用，训练出来的效果不会那么理想。

最好还是中文训练素材

素材时长1-2mins大概够用，长一些也好。但不要滥竽充数，语音质量比数量更重要（我曾用没降噪的语音训练过。个人认为效果比起后面用降噪过的/删减包含噪音的素材训练出来的效果差太多）录音格式建议wav，采样率48khz

训练音频预处理

保留人声

有需要的话可以做

引用自 这里。

切割音频

输入音频文件夹目录和输出文件夹目录，点击“Start audio slicer”

等到Log输出”切割完成“即可进入下一步

音频打标

填入切割好的音频所在的目录，并设定输出文件夹

随后即可开始打标，等到Log输出“音频打标完成“即可进入下一步

音频矫对

填好打标文件所在的路径，随后勾选Open Labeling WebUI。等待WebUI启动。

注意断句要对应标点符号，每次翻页前要Submit Text保存结果。

开 始 训 练

切换到1-GPT-SOVITS-TTS页面。

在左上角model name给你的模型取个名

然后labelling file填入打标文件，Audio dataset folder填入切割好的音频所在的目录，随后点击Start one-click formatting.

log提示进程结束即可进入下一步

进入 1B微调页面

先全部参数保持默认，依次进行训练即可，如果看到CUDA out of Memory则代表爆显存了，去降低batch_size值后再训练即可。

跑完后应该可以在SoVITS_weights和GPT_weights中看到模型文件，如果没看到就没成功，可以检查下命令行输出的log

如果训练效果不好，可以拉高训练的模型论数(training epochs)。

至此，训练篇完结。Enjoy。