GPT-SoVITS语音克隆AI使用教程

介绍

一个强大的少镜头语音克隆AI，1分钟的语音数据也可以用来训练一个好的TTS模型。
项目地址：https://github.com/RVC-Boss/GPT-SoVITS

步骤

下载并解压Windows预打包文件
下载地址：https://huggingface.co/lj1995/GPT-SoVITS-windows-package/resolve/main/GPT-SoVITS-beta.7z?download=true

运行web-ui

之后会自动转到web控制台

因为我的是视频素材所以第一步要开启人声分离模块

等待一会，会自动进入模块控制台
填写输入待处理音频文件夹路径，模型选HP2，导出文件格式选WAV，其他全部默认即可。


等待一会，等他完成会在GPT-SoVITS-beta\output\uvr5_opt目录下出现俩个文件，一个是背景声文件（instrument）一个是人声文件（vocal）

接下来是去除混响和延迟



去混响选模型

去延时选模型

在处理完成后得到的“vocal_vocal_vocal_”开头的文件就是我们需要的人声文件，给这个文件单独放到一个新的空文件夹，开始文件切割，最后得到的切割文件在GPT-SoVITS-beta\output\slicer_opt目录

批量离线ASR，导入分割文件目录

打标注，标注文件的路径在GPT-SoVITS-beta\output\asr_opt目录，然后开启ui

等待一会就进入标记管理webUI，这一步最好一点一点调试，确保没有错别字

调试完成后点击save保存（先Submit Text）


下一步训练数据格式化，为模型起名，添加文本标注文件地址，训练集音频文件目录

修改好后点击一键三连

一键三连成功结束后，进行微调，不会调整就直接默认

推荐参数：

调整好后开始训练，点击开始SoVITS训练


训练完成，然后点击第二个GPT训练

训练完成，先点击刷新模型，下拉列表选择数字最大的模型

开启TTS推理

在推理UI界面，上传并填写参考信息

最后就可以在需要合成的文本中克隆声音了

可能遇到的问题（持续更新）

训练完GPT_weights和SoVITS_weights文件夹没有模型文件

首先查看报错，可能是文件太小不符合每张显卡的batch_size导致无法保存。先尝试把该参数改成1
再次训练，查看那俩个文件夹是否生成出了模型文件