中国十大大型门户网站,网站网页的像素尺,seo排名优化课程,中国机械加工网17s一、模型介绍
强大的小样本语音转换和文本转语音 WebUI。
具有以下特征#xff1a;
零样本 TTS#xff1a; 输入 5 秒的声音样本并体验即时文本到语音的转换。少量样本 TTS#xff1a; 仅使用 1 分钟的训练数据对模型进行微调#xff0c;以提高语音相似度和真实感。跨语…一、模型介绍
强大的小样本语音转换和文本转语音 WebUI。
具有以下特征
零样本 TTS 输入 5 秒的声音样本并体验即时文本到语音的转换。少量样本 TTS 仅使用 1 分钟的训练数据对模型进行微调以提高语音相似度和真实感。跨语言支持使用不同于训练数据集的语言进行推理目前支持英语、日语、韩语、粤语和中文。WebUI 工具 集成工具包括语音伴奏分离、自动训练集分割、中文 ASR 和文本标注帮助初学者创建训练数据集和 GPT/SoVITS 模型。
二、部署流程
测试环境
Python 3.9、CUDA 12.1
1.克隆
git clone https://github.com/RVC-Boss/GPT-SoVITS.git
cd /GPT-SoVITS/2.创建虚拟环境并安装
conda create -n GPTSoVits python3.9
conda activate GPTSoVits
bash install.sh3.安装ffmpeg
conda install ffmpeg4.安装依赖项
pip install -r requirements.txt5.预训练模型
用户可以在这里下载所有这些模型。
从 GPT-SoVITS 模型下载预训练模型并将其放置在 GPT_SoVITS/pretrained_models。下载 G2PW 模型G2PWModel_1.1.zip解压并重命名为 G2PWModel然后将其放置在 GPT_SoVITS/text。(仅支持中文 TTS)对于 UVR5此外还有人声/伴奏分离和混响消除从UVR5 Weights下载模型并将其放入 tools/uvr5/uvr5_weights。对于中文 ASR另外从Damo ASR 模型、Damo VAD 模型和Damo Punc 模型下载模型并将它们放置在 中 tools/asr/models。对于英语或日语 ASR另外请从Faster Whisper Large V3下载模型并将其放入 tools/asr/models。此外其他模型可能具有类似的效果但磁盘占用空间更小。
也可从modelscope下载
git lfs install
git clone https://www.modelscope.cn/AI-ModelScope/GPT-SoVITS.git6.数据集格式
TTS 注释.list 文件格式
vocal_path|speaker_name|language|text语言词典
‘zh’中文‘ja’日语‘en’英语‘ko’韩语‘粤’粤语
三、推理
python webui.py 四、页面演示
