seo网站设计多少钱,网站app开发,新注册网站,wordpress外链转内链目录
一、前言
二、GPT-SoVITs使用教程
2.1、Windows一键启动
2.2、AutoDL云端部署
2.3、人声伴奏分离
2.4、语音切割
2.5、打标训练数据
2.6、数据集预处理
2.7、训练音频数据
2.8、推理模型
三、总结 一、前言 近日#xff0c;RVC变声器的创始人#xff08;GitH…目录
一、前言
二、GPT-SoVITs使用教程
2.1、Windows一键启动
2.2、AutoDL云端部署
2.3、人声伴奏分离
2.4、语音切割
2.5、打标训练数据
2.6、数据集预处理
2.7、训练音频数据
2.8、推理模型
三、总结 一、前言 近日RVC变声器的创始人GitHub昵称为RVC-Boss与AI音色转换技术专家Rcell合作共同开发并开源了一款创新的跨语言音色克隆工具——GPT-SoVITS。这个项目在互联网上迅速获得了广泛关注和好评众多业界大佬和知名博主都对其给予了推荐。自项目上线以来短短两天内它在GitHub上的Star数就达到了1.4k而现在这个数字已经飙升至6.5k。
GPT-SoVITS的开发历时半年期间RVC-Boss和Rcell面临了诸多挑战。这款工具不仅具有低成本和易用性的特点而且在音色克隆领域展现出了新颖的技术创新。
项目地址https://github.com/RVC-Boss/GPT-SoVITS 二、GPT-SoVITs使用教程 2.1、Windows一键启动 首先下载软件包解压后双击打开“go-webui.bat”即可。
GPT-SoVITs安装包下载 2.2、AutoDL云端部署 首先打开AutoDL网页注册登录后进入到“算力市场”选择一个性价比高的显卡CUDA版本需要大于11.8这里我选择RTX3090显卡为示例。 接着来到创建实例界面点击“社区镜像”输入“GPT-SoVITs”选择最新的镜像文件比如我这里的v2.1版本然后点击“立即创建”即可。 来到容器实例界面点击刚刚创建好的容器点击“JupyterLab”进入终端操作界面。 点击第二个选项框进入使用界面拉到最下面运行前两个命令选择命令框点击运行即可。 最后打开下方图片链接即可打开GPT-SoVITs界面啦~ 2.3、人声伴奏分离 首先准备一段1分钟以上的音频文件必须是同一个人说话的声音喔点击开启UVR5-WebUI回到AutoDL的终端操作界面查看命令行中的链接点击进入WebUI界面。 来到人声分离WebUI界面上传1分钟以上的音频文件进行声音分离选择好模型选择好导出的文件格式点击“转换”即可转换好的文件位于output/uvr5_opt。 转换好后记得关闭UVR5-WebUI这样可释放一些内存。 2.4、语音切割 第一步上传刚刚分离好的音频文件填写好音频输入文件路径这里跟着我填写input就可以了点击开启语音切割。 接着进行开启离线批量ASR填写好输出文件夹的路径然后点击左边的“开启离线批量ASR”按钮。 然后填写好打标数据文件路径点击开启打标WebUI返回到AutoDL终端操作界面查看命令行输出点击下方链接即可进入到打标数据界面。 2.5、打标训练数据 点击播放▶️按钮试听一下对应文本是否正确如果不正确进行文本的修改这一页整理好数据后点击“Save File”和“Submit Text”这两个按钮接着点击“Next Index”下一页重复以上的步骤进行校对。 全部校对完毕后返回WebUI界面关闭打标WebUI 2.6、数据集预处理 点击“1-GPT-SoVITS-TTS”来到训练操作界面更改实验名字可随意命名然后填写好文本标注文件和训练集音频文件路径这里跟我的一模一样就可以了。 接着分别点击这四个按钮即可。 2.7、训练音频数据 然后来到了微调训练数据这个界面保持默认参数不变也可以自行调整参数的点击开启SOVITS训练和开启GPT训练。 2.8、推理模型 来到1C-推理首先点击刷新模型路径才能出现刚刚训练好的模型。 接下来选择刚刚训练好的模型文件然后开启TTS推理WebUI 查看AutoDL的终端界面找到最后一行的网页链接点击这个链接即可到TTS推理的界面。 首先上传一段几秒的参考音频填写参考音频的所输出的语音文本然后再填写需要合成的文本点击合成语音一会儿就会出现了输出的语音音频文件了点击试听效果确实很惊艳 三、总结 GPT-SoVITS是一款支持多语言的先进技术融合了声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)以及文本标注等多种辅助工具。令人印象深刻的是它仅需一分钟的训练数据就能对模型进行微调显著提升语音的相似度和真实感。整体而言GPT-SoVITS提供了一种极为出色的体验。期待其在未来的应用范围能不断扩大而且在更新迭代过程中能实现更加完善和优化。
