GPT-SoVITS语音合成模型部署及使用

1、概述

GPT-SoVITS是一款开源的语音合成模型，结合了深度学习和声学技术，能够实现高质量的语音生成。其独特之处在于支持使用参考音频进行零样本语音合成，即使没有直接的训练数据，模型仍能生成相似风格的语音。用户可以通过微调模型，进一步提升其性能，以适应特定的应用需求。

2、部署

（1）下载

项目地址：https://github.com/RVC-Boss/GPT-SoVITS

教程：GPT-SoVITS指南 · 语雀

试用demo：https://gsv.acgnai.top/

（2）依赖环境安装

1）安装conda，用于部署独立的python环境

2）新建conda环境，然后安装python3.9 / pytorch2.2.1

python需要安装cuda版本：https://pytorch.ac.cn/get-started/locally/

使用得到的conda命令进行安装。

3）安装ffmpeg

具体参考：Linux-centos下安装ffmpeg的详细(保姆级教程)教程无脑复制粘贴等待即可_linux centos 安装ffmpeg-CSDN博客

4）安装git

yum install git

yum install git-lfs

yum install rust

下载代码：git clone --depth=1 https://github.com/RVC-Boss/GPT-SoVITS

5）安装python依赖包

在GPT-SoVITS根目录下：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

（3）下载预训练模型

针对报错：

模型位于：https://huggingface.co/lj1995/GPT-SoVITS/tree/main

下载后放到GPT_SoVITS根目录/GPT_SoVITS/pretrained_models下，而不是GPT_SoVITS根目录/pretrained_models。

目录结构如下：

（4）下载训练模型

cd xx/GPT-SoVITS/tools/asr/models

git lfs install 

git clone https://www.modelscope.cn/iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch.git

git clone https://www.modelscope.cn/iic/punc_ct-transformer_zh-cn-common-vocab272727-pytorch.git

git clone https://www.modelscope.cn/iic/speech_fsmn_vad_zh-cn-16k-common-pytorch.git

3、程序运行

（1）推理操作

在GPT-SoVITS根目录下运行命令：

python webui.py zh_CN

切换到1C-推理模块：

点击“开启TTS推理WebUI”

后台执行日志如下：

"/data/work/anaconda3/envs/vits/bin/python" GPT_SoVITS/inference_webui.py "zh_CN"
<All keys matched successfully>
Number of parameter: 77.61M
Running on local URL:  http://0.0.0.0:9872
 

切换成9872端口：

然后上传3-10秒的参考音频（不上传会报错），填写需要合成的文本，点击“合成语音”。

后台执行日志参考如下：

（2）报错处理

ps：假如运行时报错如下，这是预训练模型没有下载，或者存放的位置不正确。

虽然程序可以打开了，但是linux服务器上报错如下，显示预训练模型没有加载。这样虽然界面打开了，但是功能将无法正常使用。

本文参考：GPT-SoVITS语音合成模型实践 - 哥不是小萝莉 - 博客园