链接说明
github项目地址：RVC-Boss/GPT-SoVITS: 1 min voice data can also be used to train a good TTS model! (few shot voice cloning)
项目中文说明书： GPT-SoVITS指南//项目说明书里也有在线使用的链接
原项目作者B站教学视频：耗时两个月自主研发的低成本AI音色克隆软件，免费送给大家！【GPT-SoVITS】_哔哩哔哩_bilibili
作者甚至贴心提供了AutoDL教程！他真的我哭死：AutoDL（Linux系统，镜像更新最快）
同理可以在线训练：AI Hobbyist TTS
项目目前只有TTS（文字转语音Text-To-Speech）、并不支持歌声转换SVC、歌声合成SVS。
支持跨语种合成（可以合成和训练音频语种不一样的语种）
*任何发布基于GPT-SoVITS，需要附带上GPT-SoVITS的tag。
项目版权归原作者所有，此blog仅是lz训练过程记录。 如有谬误欢迎指正。
目录
链接说明
硬件要求
使用步骤
1.素材准备
1.1输入&输出管理
1.2纯净人声获取（如果有干净的人声素材可以跳过此步）
编辑
1.3切割音频
1.4打标
文本校对
当页校对结果提交
合并音频
删除音频
2.开始训练
2.1训练集格式化
2.2微调训练
2.3推理
开源协议 & 署名要求
硬件要求
原项目说明，恩，uu们自行斟酌。
使用步骤
各种文件路径，模型名称都不要有中文。
前往上文提到的项目说明书中下载最新整合包。解压后，双击运行go-webui.bat运行程序。
稍等一会儿，此时会弹出console窗口，如下图，在项目运行时不能关闭该窗口。
稍等一会儿，在默认浏览器中跳出GSV的webUI界面，界面大致如下图所示。 目前最新的整合包中，变声部分仍然在施工中，所以该项目能够实现，通过上传数据集，训练音色，训练好的音色+目标文字→该音色语音。
1.素材准备
需要把音频格式转化为wav以获得更好的音频效果。
此处分享一个在线免费音频格式转换工具：音频转换器- FreeConvert.com
1.1输入&输出管理
所有文件路径复制时都不能有双引号。
项目原输出文件夹可以更改，原输出默认存放在output文件夹中。
可以自行更改文件输出目录， 建议uu们合理地设置数据集的存放，便于后续管理，此处lz提供一个参考的管理方法。
1.2纯净人声获取（如果有干净的人声素材可以跳过此步）
若需要纯净的人声素材，可以使用UVR5对人声进行分离，此项目也整合了这个功能。
点击上图中的开启人声分离webUI后，会在默认浏览器中跳出一个新的窗口，UVR5 WebUI
lz同期有研究一个AI翻唱，也会使用到UVR5，故此处lz使用歌曲素材对音乐中的人声进行分离。
模型说明，上图灰色字已经说得很清楚了，抄作业就是第一遍选择模型1，第二遍选择模型2。uu们也可以自行尝试混合使用其他模型。
可以在 console窗口看到进度
看到这样的输出就说明音频分离成功了
如果去除效果不是很好可以多去除几次，或者切换不同的模型进行去除。去除后最好去完整地听一遍，看看有没有什么问题。
lz最后用的HP5模型对人声和歌曲进行分离。
1.3切割音频
准备一段2分钟左右的素材，数据集并不是越多越好，比起数量，更重要的是质量。
回到GPT-SoVITS WebUI界面。
选好输入输出地址之后，点击开启语音切分即可。
切分完成之后也会输出如下信息
前往输出文件中听取切分好的音频，最好是逐一地去听，挑选一些合适的音频，因为有的切割可能和预期的有差别，可以删除一部分切割得不好的音频，或者重新切割。
1.4打标
先别急着打标，看完打标这一小节再开始！
匹配声音和文字。人工智能里的人工部分。
利用项目自带打标工具进行初步打标。
初步打标之后需要人工校对，点击开启音频标注WebUI进入打标页面
点击后会在默认浏览器弹出一个Gradio的窗口，这就是打标页面了。
文本校对
文本和音频对应，需要注意一些文字是否有误， 比如中文中的同音不同字，语气之间的停顿符号表示。
当页校对结果提交
*注意是每一页，每一页，每一页。
只要点击Next Index，就需要点击Submit Text。不然就得重头开始了。
合并音频
如果一段话被切成了2段，可通过下述方式将其合并。
删除音频
如果某段音频并不符合预期，可将其删除。
校对好后关闭该页面，关闭音频标注WebUI
关闭该页面，就像关浏览器网页一样。
2.开始训练
切换页面开始训练
2.1训练集格式化
直接点击一键三连开始训练。
看到这样的字样说明训练集格式化已完成。
2.2微调训练
以上操作也很无脑，保持默认选项， 依次点击训练即可，可以适当调节batch_size的值，不过不要调得太高。
训练完成
2.3推理
开启推理界面
开启之后会浏览器会默认打开一个新的界面
需要注意参考音频对最终合成效果影响较大，可以理解为主参考音频为模型提供了这个人说这句话的语气，是温柔的还是铿锵有力的。
想立即看到结果就不需要去更改下图的设置，直接点合成语音即可
注意如果是跨语种合成，最好多上传一些辅助音频参考，lz用的英文数据集，在没有上传多个辅助音频之前，生成的音频听起来就像“让我们说中文”，hhh
开源协议 & 署名要求
开源协议：GPT-SOVITS 以 MIT 协议开源，模型以 CC-BY-NC 4.0 协议开源；
署名要求：作品简介必须完整署名，缺一不可（参考下文），否则违反开源协议。
参考署名：
GPT-SoVITS开发者：@花儿不哭
模型训练者：@红血球AE3803 @白菜工厂1145号员工
推理特化包适配 & 在线推理：@AI-Hobbyist
生活像海洋，只有意志坚强的人才能到达彼岸。——来点鸡汤8
以上end
