GPT-SoVITS语音克隆部署与使用

GPT-SoVITS是一款强大的少量样本语音转换与语音合成开源工具。当前,GPT-SoVITS实现了如下几个方面的功能:

  • 由参考音频的情感、音色、语速控制合成音频的情感、音色、语速
  • 可以少量语音微调训练,也可不训练直接推理
  • 可以跨语种生成,即参考音频(训练集)和推理文本的语种为不同语种

硬件建议要求:
INT4 : RTX3090*1,显存24GB,内存32GB,系统盘200GB
更低配的GPU硬件也可以进行推理,但是推理速度会更慢。

环境准备

模型准备

手动下载以下几个模型(体验时几个模型不一定需全下载)
本文统一放在模型存档目录:/u01/workspace/models/GPT-SoVITS
pretrained_models

git clone https://huggingface.co/lj1995/GPT-SoVITS

uvr5_weights

https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/uvr5_weights

asr model:

git clone https://hf-mirror.com/Systran/faster-whisper-large-v3

可选模型: speech_fsmn_vad_zh-cn-16k-common-pytorch,speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch, punc_ct-transformer_zh-cn-common-vocab272727-pytorch
下载地址分别为:

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

注意存放目录结构方便后面Docker 挂载目录后能直接找到相关的模型

root@itserver03:/u01/workspace/models/GPT-SoVITS# tree  -d
.
├── GPT_weights
├── pretrained_models
│   ├── chinese-hubert-base
│   └── chinese-roberta-wwm-ext-large
├── SoVITS_weights
└── tools
    ├── asr
    │   └── models
    │       ├── faster-whisper-large-v3
    │       ├── punc_ct-transformer_zh-cn-common-vocab272727-pytorch
    │       │   ├── example
    │       │   └── fig
    │       ├── speech_fsmn_vad_zh-cn-16k-common-pytorch
    │       │   ├── example
    │       │   └── fig
    │       └── speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch
    │           ├── example
    │           └── fig
    └── uvr5
        └── uvr5_weights
            └── Onnx_dereverb_By_FoxJoy

下载源码
git clone https://github.com/RVC-Boss/GPT-SoVITS.git; 
cd GPT-SoVITS

Docker 容器化部署

Dockerfile样例

注意 根据官方的Dockerfile自己build出满足自身环境需要的镜像。

# Base CUDA image
# FROM cnstark/pytorch:2.0.1-py3.9.17-cuda11.8.0-ubuntu20.04
FROM pytorch/pytorch:2.2.1-cuda12.1-cudnn8-runtime

LABEL maintainer="breakstring@hotmail.com"
LABEL version="dev-20240209"
LABEL description="Docker image for GPT-SoVITS"


# Install 3rd party apps
ENV DEBIAN_FRONTEND=noninteractive
ENV TZ=Etc/UTC
ENV TZ=Etc/UTC
ENV LANG=zh_CN.UTF-8
ENV LC_ALL=zh_CN.UTF-8

RUN apt-get update && \
    apt-get install -y --no-install-recommends tzdata ffmpeg libsox-dev parallel aria2 git git-lfs && \
    git lfs install && \
    rm -rf /var/lib/apt/lists/*

# Copy only requirements.txt initially to leverage Docker cache
WORKDIR /workspace
COPY requirements.txt /workspace/
RUN pip install --no-cache-dir -r requirements.txt

# Define a build-time argument for image type
ARG IMAGE_TYPE=full

# Conditional logic based on the IMAGE_TYPE argument
# Always copy the Docker directory, but only use it if IMAGE_TYPE is not "elite"
COPY ./Docker /workspace/Docker 
# elite 类型的镜像里面不包含额外的模型
RUN if [ "$IMAGE_TYPE" != "elite" ]; then \
        chmod +x /workspace/Docker/download.sh && \
        /workspace/Docker/download.sh && \
        python /workspace/Docker/download.py && \
        python -m nltk.downloader averaged_perceptron_tagger cmudict; \
    fi


# Copy the rest of the application
COPY . /workspace

EXPOSE 9871 9872 9873 9874 9880

CMD ["python", "webui.py"]

本文对官方的Dockerfile做了简单修改以便满足自己需要。 采用基础镜像pytorch/pytorch:2.2.1-cuda12.1-cudnn8-runtime
同时需要修改镜像的语言的环境变量,否则webui 会展示为英文界面:
ENV LANG=zh_CN.UTF-8

nltk_data 文件下载

如果启动时找不到nltk_data 的几个语料库,系统会自动下载,但时前提是你的网络已经完美的科学上网了。否则不出意外应该会出错。 nltk_data 文件可以挂载到容器,但也可以通过更改Dockerfile直接拷贝到镜像中。
下载地址:
https://www.nltk.org/nltk_data/
需要下载的语料库:

  • cmudict
  • averaged_perceptron_tagger

存放目录结构:

root@itserver03:/u01/workspace/nltk_data# tree
.
├── corpora
│   └── cmudict
│       └── cmudict
└── taggers
    └── averaged_perceptron_tagger
        └── averaged_perceptron_tagger.pickle

4 directories, 2 files
构建image
docker build -t qingcloudtech/gpt-sovits:v1.0 .

运行

修改docker-compose.yaml文件用自己编译的容器镜像:
version: '3.8'

services:
  gpt-sovits:
    image: qingcloudtech/gpt-sovits:v1.0
    container_name: gpt-sovits-container
    environment:
      - is_half=False
      - is_share=False
    volumes:
      - ./output:/workspace/output
      - ./logs:/workspace/logs:rw
      - ./TEMP:/workspace/TEMP
      - /u01/workspace/nltk_data:/usr/share/nltk_data
      - /u01/workspace/models/GPT-SoVITS/pretrained_models:/workspace/GPT_SoVITS/pretrained_models
      - /u01/workspace/models/GPT-SoVITS/SoVITS_weights:/workspace/SoVITS_weights
      - /u01/workspace/models/GPT-SoVITS/GPT_weights:/workspace/GPT_weights
      - /u01/workspace/models/GPT-SoVITS/tools/asr/models:/workspace/tools/asr/models
      - /u01/workspace/models/GPT-SoVITS/tools/uvr5/uvr5_weights:/workspace/tools/uvr5/uvr5_weights
      - ./reference:/workspace/reference
    working_dir: /workspace
    ports:
      - "9880:9880"
      - "9871:9871"
      - "9872:9872"
      - "9873:9873"
      - "9874:9874"
    shm_size: 16G
    deploy:
      resources:
        reservations:
          devices:
          - driver: nvidia
            count: "all"
            capabilities: [gpu]
    stdin_open: true
    tty: true
    restart: unless-stopped

** 注意重点:** 几个挂载文件的路径:

  • ./output:/workspace/output
  • ./logs:/workspace/logs:rw
  • ./TEMP:/workspace/TEMP
  • /u01/workspace/nltk_data:/usr/share/nltk_data
  • /u01/workspace/models/GPT-SoVITS/pretrained_models:/workspace/GPT_SoVITS/pretrained_models
  • /u01/workspace/models/GPT-SoVITS/SoVITS_weights:/workspace/SoVITS_weights
  • /u01/workspace/models/GPT-SoVITS/GPT_weights:/workspace/GPT_weights
  • /u01/workspace/models/GPT-SoVITS/tools/asr/models:/workspace/tools/asr/models
  • /u01/workspace/models/GPT-SoVITS/tools/uvr5/uvr5_weights:/workspace/tools/uvr5/uvr5_weights
运行
docker-compose up -d

几个重要的页面:
下面几个页面并非启动后都可以直接访问,需要根据需要点选相应的启动按钮后方可访问。
主页面: http://127.0.0.1:9874/
UVR5人声伴奏分离&去混响去延迟工具 :** http://127.0.0.1:9873/**
TTS推理WebUI:http://127.0.0.1:9872/
语音文本校对标注工具:** http://127.0.0.1:9871/**


操作演示:

本操作过程仅仅演示如何快速的开始,让平台真正用起来,需要完整了解相关的内容的请参考和研究官方提供的相关手册。

第一步: 进主页面:

image.png

第二步: 开启UVR5-WebUI 进入到URV5 界面:

上传音频文件,选择模型: HP3, 点击转换, 转换成功后,输出文件默认会存放在/workspace/output/uvr5_opt
image.png

第三步: 返回主界面,分别执行如下几个步骤

image.png
0b-语音切分工具
0bb-语音降噪工具
0c-中文批量离线ASR工具
这三步中,不要更改输出文件夹,每一步的输入信息均为上一步的输出目录。
0d-语音文本校对标注工具
勾选【是否开启打标WebUI】后访问http://127.0.0.1:9871/
image.png

第四步: 进入主界面,点击第二个Tab页:

直接输入文本标注文件地址:点击一键三联即可,其他参数熟练之后随意调整。
image.png

第五步:微调训练

直接点击页面中的两按钮,等待一段时间即可完成微调:
image.png

第六步:推理

image.png
刷新模型路径,直接选择刚刚微调出来的模型,可能有多个,注意选择合适的模型,然后再开启推理界面:
http://127.0.0.1:9872/
选择参考模型,参考模型文本(可不填),需要合成的文本, 点击合成语音,即可完成语音克隆。
image.png

【Qinghub Studio 】更适合开发人员的低代码开源开发平台
【QingHub企业级应用统一部署】
【QingHub企业级应用开发管理】
QingHub** 演示】**
https://qingplus.cn

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/634503.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

00-Vue的介绍和vue-cli

前言Vue的介绍和vue-cli一、发展历史相关网址介绍Vue框架的特点 二、Vue 的环境搭建1,卸载掉所有已经存在的所有Node.js版本2,下载MVM包4、安装node.js5、常见的插件 三、利用 vue-cli 新建一个空的项目1、官方代码参考2、安装 vue-cli(命令行…

【C++】学习笔记——map和set

文章目录 十五、map和set1. 关联式容器2. set的介绍3. set的使用4. multiset5. map的介绍6. map的使用7. multimap8. map中重载的operator[] 未完待续 十五、map和set 1. 关联式容器 我们已经接触过STL中的部分容器,比如:vector 、list 、deque 等&…

04. Redis 配置文件

文章目录 单位包含网络 NETWORK通用 GENERAL快照 SNAPSHOTTING主从复制 REPLICATION安全 SECURITY客户端 CLIENTS内存设置 MEMORY MANAGEMENTAPPEND ONLY MODE 模式(aof 的配置) 单位 配置文件对大小写不敏感(unit单位)。 包含 …

通过域名接口申请免费的ssl多域名证书

来此加密已顺利接入阿里云的域名接口,用户只需一键调用,便可轻松完成域名验证,从而更高效地申请证书。接下来,让我们详细解读一下整个操作过程。 来此加密官网 免费申请SSL证书 免费SSL多域名证书,泛域名证书。 首先&a…

K8S认证|CKA题库+答案| 2. 查看Pod CPU资源使用量

2、查看集群中运行Pod CPU资源使用量 您必须在以下Cluster/Node上完成此考题: Cluster Master node Worker node k8s …

『Apisix安全篇』快速掌握APISIX Basic-Auth插件高效使用

📣读完这篇文章里你能收获到 👨‍💻 学习如何快速安装并配置APISIX Basic-Auth插件,为您的API安全保驾护航。🛠️ 文章详细介绍了如何创建带有basic-auth配置的Consumer,以及如何在Route中启用该插件。&am…

爱校对:智能校对,让文字更专业

交互未来(北京)科技有限公司,源自清华大学计算机智能人机交互实验室,致力于通过高科技手段提升用户体验,实现“科技让生活更美好”的宗旨。我们的产品——爱校对,正是这种创新精神的结晶,旨在为…

怎样策划一场价值百万的营销活动?

策划一场活动听起来是不是就有点头大? 别急,其实只要掌握了活动策划的精髓,一步步来,从构思到实施,整个过程都能游刃有余。 一、定下目标: 咱们先得搞清楚,这场活动到底是为了啥。是想提升品…

代码随想录-Day17

110. 平衡二叉树 这道题中的平衡二叉树的定义是:二叉树的每个节点的左右子树的高度差的绝对值不超过 111,则二叉树是平衡二叉树。根据定义,一棵二叉树是平衡二叉树,当且仅当其所有子树也都是平衡二叉树,因此可以使用递…

四天学会JS高阶(学好vue的关键)——构造函数数据常用函数(理论+实战)(第二天)

一、对象创建引发构造函数产生 1.1 创建对象三种方式: 利用对象字面量创建对象 const obj {name: 佩奇}注:对象字面量的由来:即它是直接由字面形式(由源代码直接)创建出来的对象,而不是通过构造函数或者…

开箱测评!吸猫毛除味神器,希喂FreAir Lite宠物空气净化器实测

掉毛季又来了,猫咪的毛发满天飞,怎么办?我家掉毛怪一到季节就开始掉老多毛,关键还喜欢在家里打架跑酷!天上地下都是毛!为了减少家里空气中浮毛,你做过那些努力呢?最近猫掉毛掉的&…

设置height:100%不生效的原因

之前网课案例总是不屑于去看,因为总觉得太花时间,但是不可否认的是,认真去看还是会有收获的,而且常有意外收获 昨天在看实现动画效果的综合案例中,意外解决了我长久以来的一个疑问:为什么给元素设置height…

论文精读--InstructGPT

模型效果取决于数据效果,但在精细度上控制不够,只是大力出奇迹,这样有很大的问题: (1)数据量太多或者没有这方面的数据,模型学不会怎么办 (2)安全性问题,模…

踩坑——纪实

开发踩坑纪实 1 npm安装1.1 查看当前的npm镜像设置1.2 清空缓存1.3 修改镜像1.4 查看修改结果1.5 重新安装vue 2 VScode——NPM脚本窗口找不到3 springboot项目中updateById()失效4 前端跨域4.1 后端加个配置类4.2 CrossOrigin注解 5 路由出口6 springdoc openapi3 swagger3文件…

VMware 虚拟机 VM10~17系列安装教程(功能最强大的电脑虚拟机软件)

前言 VMware是功能最强大的虚拟机软件,用户可以在虚拟机同时运行各种操作系统,进行开发、测试、演示和部署软件,虚拟机中复制服务器、台式机和平板环境,每个虚拟机可分配多个处理器核心、主内存和显存。 系统要求 VM17 VM16&am…

《ESP8266通信指南》番外-(附完整代码)ESP8266获取DHT11接入(基于Lua)

前言 此篇为番外篇,是 ESP8266 入门的其他功能教程,包括但不限于 DHT11 驱动TCP 通信Thingsboard 平台的接入阿里云物联网云平台接入华为云平台接入 1. 小节目标 使用 Lua 驱动 DHT11 传感器,获取温湿度的值 2. 进入主题 NodeMCU 基于 LUA 相关资料 官方文档:…

【每日刷题】Day47

【每日刷题】Day47 🥕个人主页:开敲🍉 🔥所属专栏:每日刷题🍍 🌼文章目录🌼 1. 112. 路径总和 - 力扣(LeetCode) 2. 2404. 出现最频繁的偶数元素 - 力扣&am…

Visual Basic6.0零基础教学(5)—VB的输入输出,顺序和选择结构

VB的输入输出和控制结构 文章目录 VB的输入输出和控制结构前言一、输入输出1. InputBox 输入2.MsgBox输出print 输出 二、控制结构1.顺序结构赋值语句 2.选择结构if ... then单分支if ... then...else.... 双分支if ... then... elseif ... then .. else ... 多分支Select Case…

视频监控管理平台LntonCVS监控视频汇聚融合云平台主要功能应用场景介绍

随着网络技术的不断发展和万物互联时代的到来,视频融合在一些系统集成项目及综合管理应用中变得日益重要。本文以LntonCVS视频融合云平台为案例,探讨视频融合的对象及其应用场景。 1. 视频监控设备 视频监控摄像设备是各种视频应用项目的基础部分。在视…

CSS单行、同行文本左右对齐

再项目需求中,UI小姐姐常常要考虑项目的排版样式更简洁高级,常常会在项目设置内容或者字体两端对齐的效果,比如,在做表单时我们经常遇到让上下两个字段对齐的情况,比如姓名, 手机号码, 出生地等…