一、GPT-SoVITS 简介

GPT-SoVITS 是一款开源的语音合成（TTS）工具，结合了 GPT 模型的文本理解能力与 SoVITS（Sound of Voice In Text-to-Speech）的声纹模拟技术，能够实现高自然度、个性化的语音合成。它支持通过少量音频样本克隆特定音色，同时具备多语言合成、情感调节等功能，广泛应用于语音助手、有声内容创作等场景。用户可通过网页界面或 API 接口输入文本，生成对应语音文件（如 WAV、MP3 等格式）。

二、使用 GPT-SoVITS 进行 TTS 转换的流程

  1. 环境部署：下载项目源码，安装 Python 及相关依赖（如 PyTorch、FastAPI 等），部分版本需配置模型文件（如预训练 GPT 模型、SoVITS 模型）。这里建议使用整合包，推荐使用V2版本的整合包。可参考https://blog.csdn.net/ergdfhgerty/article/details/149021178文章的内容。GPT-SoVITS 学习和v2版本下载地址为https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e/dkxgpiy9zb96hob4#KTvnO
  2. 启动服务：项目中的启动脚本为api_v2.py，启动本地服务（通常默认端口为 9880）。项目启动的方法：复制go-webui.bat文件，重命名为api_v2.bat，将代码修改为如下： 
    set "SCRIPT_DIR=%~dp0"
set "SCRIPT_DIR=%SCRIPT_DIR:~0,-1%"
cd /d "%SCRIPT_DIR%"
set "PATH=%SCRIPT_DIR%\runtime;%PATH%"
runtime\python.exe -I api_v2.py

    启动方式为双击api_v2.bat文件，但是一定要注意这里面不能传入参数zh_CN，否则运行不通过，要在api_v2.py文件中指定text_lang和prompt_text的具体类型，如下所示：

    @APP.get("/tts")
async def tts_get_endpoint(text: str = None,text_lang: str = "zh-CN",ref_audio_path: str = None,aux_ref_audio_paths: list = None,prompt_lang: str = "zh-CN",prompt_text: str = "",top_k: int = 5,top_p: float = 1,temperature: float = 1,text_split_method: str = "cut0",batch_size: int = 1,batch_threshold: float = 0.75,split_bucket: bool = True,speed_factor: float = 1.0,fragment_interval: float = 0.3,seed: int = -1,media_type: str = "wav",streaming_mode: bool = False,parallel_infer: bool = True,repetition_penalty: float = 1.35,sample_steps: int = 32,super_sampling: bool = False,
):
  3. API 调用：若通过代码调用，可使用 FastAPI 提供的接口http://127.0.0.1:9880/tts，传入文本、语音参数等，获取合成的音频数据。
  4. Fay数字人在调用时的设置：首先要在gptsovits_v3.py文件中指定参考音频，和音频的文本，注意要修改成正确的音频路径，音频和音频的文本要对应，同时音频不能超过10秒，音频使用格式为Windows PCM的wav，如下所示： 
    def to_sample(self, text, style) :    url = "http://127.0.0.1:9880/tts"data = {"text": text,                   # str.(required) text to be synthesized"text_lang": "zh",              # str.(required) language of the text to be synthesized"ref_audio_path": "D:/GPT-SoVITS-v2pro-20250604/111.wav",         # str.(required) reference audio path."prompt_text": "迅捷音频转换器是一款专业级软件，集音频格式转换、视频提取音频、音频剪辑",            # str.(optional) prompt text for the reference audio"prompt_lang": "zh",            # str.(required) language of the prompt text for the reference audio"top_k": 5,                   # int.(optional) top k sampling"top_p": 1,                   # float.(optional) top p sampling"temperature": 1,             # float.(optional) temperature for sampling"text_split_method": "cut5",  # str.(optional) text split method, see text_segmentation_method.py for details."batch_size": 1,              # int.(optional) batch size for inference"batch_threshold": 0.75,      # float.(optional) threshold for batch splitting."split_bucket": True,         # bool.(optional) whether to split the batch into multiple buckets."speed_factor":1.0,           # float.(optional) control the speed of the synthesized audio."fragment_interval":0.3,      # float.(optional) to control the interval of the audio fragment."seed": -1,                   # int.(optional) random seed for reproducibility."media_type": "wav",          # str.(optional) media type of the output audio, support "wav", "raw", "ogg", "aac"."streaming_mode": False,      # bool.(optional) whether to return a streaming response."parallel_infer": True,       # bool.(optional) whether to use parallel inference."repetition_penalty": 1.35    # float.(optional) repetition penalty for T2S model.}

  5. 这里音频处理软件可使用cool edit pro软件，这是一款专业的音乐编辑软件，软件拥有非常强大的功能，帮助用户进行各种各样的音频编辑绘制，玩法多种多样带给用户非常舒适的体验，下载链接：https://www.365xiazai.com/soft/12050.html。

相关参考视频：

GPT-SoVITS教程6-新增自动选取参考音频和保存音频历史功能

三、API 调用 GPT-SoVITS 相关内容总结

1. 参考教程

B 站教程地址：GPT-SoVITS 教程 5 - 如何调用 API

2. API 调用核心步骤与参数说明
（1）api.py 文件参数解析

文件顶部明确了运行脚本时可传入的执行参数，主要包括：

  • 模型路径：-s（SoVITS 模型路径）、-g（GPT 模型路径），可在 config.py 中预设；
  • 默认参考音频参数（调用请求缺少参考音频时使用）：
    • -dr：默认参考音频路径；
    • -dt：默认参考音频文本；
    • -dl：默认参考音频语种（支持 “中文”“英文”“日文” 及缩写 “zh”“en”“ja”）；
  • 运行配置：
    • -d：推理设备（“cuda” 或 “cpu”）；
    • -a：绑定地址（默认 “127.0.0.1”）；
    • -p：绑定端口（默认 9880，可在 config.py 中指定）；
    • -fp/-hp：覆盖 config.py 使用全精度 / 半精度推理；
  • 输出与文本处理：
    • -sm：流式返回模式（默认不启用，可选 “close”“normal”“keepalive” 及缩写 “c”“n”“k”）；
    • -mt：音频编码格式（流式默认 ogg，非流式默认 wav，支持 “wav”“ogg”“aac”）；
    • -cp：文本切分符号（默认空，需以 “,.，。” 字符串形式传入）；
  • 模型组件路径：-hb（cnhubert 路径）、-b（bert 路径）。
（2）启动 API 服务
  • 运行脚本：在终端中执行 python api.py 或 runtime\python.exe api.py，可直接运行（后续推理时指定参数），或启动时传入参数（如指定默认参考音频、设备等）。
  • 验证启动：出现网址即代表接口开启（默认如http://127.0.0.1:9880）。
（3）内网共享设置
  • 获取本机 IPv4 地址：打开新终端输入ipconfig，找到 “无线局域网适配器 WLAN” 项下的 IPv4 地址；
  • 替换地址：用 IPv4 地址替换默认网址中的 “0.0.0.0”，同一内网设备可通过该地址调用接口（例如http://10.10.9.169:9880）。
（4）查看 API 文档

在启动的网址后添加/docs，即可查看 FastAPI 自动生成的接口文档（包含请求格式、参数说明等）。

3. 请求格式（GET 与 POST）
（1）使用预设参考音频
  • GET 请求：
    http://127.0.0.1:9880?text=待合成文本&text_language=语种
    （示例：http://127.0.0.1:9880?text=先帝创业未半而中道崩殂...&text_language=zh）
  • POST 请求（JSON 格式）： 
    {  "text": "待合成文本",  "text_language": "语种"  
}
（2）使用预设参考音频并指定分割符号
  • GET 请求：
    http://127.0.0.1:9880?text=待合成文本&text_language=语种&cut_punc=切分符号
    （示例：http://127.0.0.1:9880?text=先帝创业未半...&text_language=zh&cut_punc=，。）
  • POST 请求（JSON 格式）： 
    {  "text": "待合成文本",  "text_language": "语种",  "cut_punc": "切分符号"  
}
（3）手动指定当次推理的参考音频
  • GET 请求：
    http://127.0.0.1:9880?refer_wav_path=音频路径&prompt_text=参考文本&prompt_language=参考语种&text=待合成文本&text_language=文本语种
    （示例：http://127.0.0.1:9880?refer_wav_path=123.wav&prompt_text=一二三。&prompt_language=zh&text=先帝创业未半...&text_language=zh）
  • POST 请求（JSON 格式）： 
    {  "refer_wav_path": "音频路径",  "prompt_text": "参考文本",  "prompt_language": "参考语种",  "text": "待合成文本",  "text_language": "文本语种"  
}
（4）更换默认参考音频（endpoint：/change_refer）
  • GET 请求：
    http://127.0.0.1:9880/change_refer?refer_wav_path=新音频路径&prompt_text=新参考文本&prompt_language=新语种
  • POST 请求（JSON 格式） 
    {  "refer_wav_path": "新音频路径",  "prompt_text": "新参考文本",  "prompt_language": "新语种"  
}

4. 响应说明
  • 成功：
    • 合成请求：直接返回音频流（http code 200）；
    • 更换参考音频请求：返回 JSON（http code 200）。
  • 失败：返回包含错误信息的 JSON（http code 400）。
5. 拓展与改良方案
  • 原生 API 功能不足时，可参考改良版接口：
    • CSDN 博客：《GPT-SoVITS 项目的 API 改良与使用》；
    • 支持动态切换模型和情绪的改良代码：《针对 GPT-SoVITS 项目的 API 接口改进》（可直接覆盖原 api.py，新增切换模型、情绪的接口，支持 GET/POST）。

相关参考文章：https://blog.csdn.net/ergdfhgerty/article/details/149021178https://blog.csdn.net/Polo_fang/article/details/140521946

四、常见问题及解决方法（针对 FastAPI 页面空白问题）

问题：访问 FastAPI 页面（如 docs 文档页）时显示空白，链接正确但无内容

核心原因：页面依赖的 CSS 和 JavaScript 资源（通常来自国外 CDN）加载失败，导致界面无法渲染。

解决方法：

  1. 方法一：使用网络加速工具

    • 若有 “魔法” 工具（网络加速工具），开启后重新访问页面，通常可解决 CDN 资源加载问题。

  2. 方法二：安装 fastapi_cdn_host 库替换 CDN

    • 步骤 1：安装库
      打开终端（CMD 或 PowerShell），进入项目的 runtime\Lib\site-packages 目录（或项目虚拟环境目录），执行命令：

      pip install fastapi_cdn_host
       

      （注：若项目使用独立 runtime 环境，需确保库安装到该环境的 site-packages 中，而非系统全局 Python 环境。 如果安装在全局Python环境中，需要把fastapi_cdn_host库复制到runtime\Lib\sitepackages里，一共有两个文件夹的内容fastapi_cdn_host和fastapi_cdn_host-0.9.2.dist-info，可以根据文件生成时间确定哪些是需要复制的文件夹，整合包bat运行的环境库不是主机的，而是runtime里的。）

    • 步骤 2：修改代码
      打开项目中的 api_v2.py 文件，在代码中添加以下内容：

      • 在文件顶部（约 123 行后）添加导入语句： 
        import fastapi_cdn_host

      • 在 FastAPI 实例化后（约 147 行后，通常是 APP = FastAPI(...) 之后）添加： 
        fastapi_cdn_host.patch_docs(APP)

    • 步骤 3：重启服务
      保存文件后，重新运行启动脚本（双击api_v2.bat），再次访问页面即可。

  3. 方法三：使用 Steam++ 等工具加速

    • 下载并安装 Steam++ 工具，启动后选择 “加速 Steam 社区” 等模式，利用其网络加速功能间接解决 CDN 资源加载问题。

  4. 注意事项

    • 若安装库后仍无效，需确认 fastapi_cdn_host 已正确放置在项目 runtime 的 site-packages 目录中（部分整合包的环境独立，需手动复制或在该目录下执行安装命令）。
    • 若上述方法均失败，可尝试更换网络环境（如手机热点），或检查防火墙 / 安全软件是否拦截了资源加载。

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：http://www.pswp.cn/web/91869.shtml
繁体地址，请注明出处：http://hk.pswp.cn/web/91869.shtml
英文地址，请注明出处：http://en.pswp.cn/web/91869.shtml

如若内容造成侵权/违法违规/事实不符，请联系英文站点网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

HTML 颜色值

HTML 颜色值

HTML 颜色值 引言 在网页设计和开发中，颜色是一个重要的元素，它能够帮助用户更好地理解内容，提升视觉效果。HTML 颜色值是用于指定网页中元素颜色的一种标准表示方法。本文将详细介绍 HTML 颜色值的种类、表示方法以及在实际应用中的使用技巧。 HTML 颜色值种类 HTML 颜…
阅读更多...
关于记录一下“bug”，在做图片上传的时候出现的小问题

关于记录一下“bug”，在做图片上传的时候出现的小问题

项目场景：之前的话写过csdn，最近出现了一些小事情，所以耽误了好久没有更新，最近把以前的项目拿出来然后改了下环境就出现了一些问题，该项目使用SpringBoot3.5 SpringMVC Mybatis-Plus3.5.0，然后权限控制采…
阅读更多...
数据结构：基础知识和链表①

数据结构：基础知识和链表①

一、概念程序数据结构算法1.描述数据存储和操作的结构 2.操作数据对象的方法二、衡量代码的质量和效率 无论代码操作数据量多大，希望程序代码的运行时间保持恒定 随着数据的增长，程序运行时间缓慢增长随着数据的增长，程序运…
阅读更多...
进阶向:自动化天气查询工具（API调用）

进阶向:自动化天气查询工具（API调用）

自动化天气查询工具（API调用）完全指南天气数据是日常生活中经常需要查询的信息之一。本教程将介绍如何使用Python编写一个自动化天气查询工具，通过调用开放的天气API获取实时天气数据。这个工具适合完全不懂编程的新手学习，将从最…
阅读更多...
【ROS2】常用命令

【ROS2】常用命令

1、目录结构在 ROS 2 包中，launch、urdf、rviz（通常指 RViz 配置文件）、config 等文件夹应直接放在包的根目录下（与 robot_arm/ Python 模块目录同级）。这是 ROS 2 社区的通用约定，便于工具（如 …
阅读更多...
基础组件（三）：mysql连接池

基础组件（三）：mysql连接池

文章目录一、MySQL连接池设计1. 连接池解决了什么问题？连接池的作用 （好处）为什么不创建多条连接而用连接池2. 同步和异步连接池的区别同步连接池（场景局限，应用服务器启动时初始化资源）异步连接池&#xf…
阅读更多...
FI文件包含漏洞

FI文件包含漏洞

本地文件包含（LFI）文件包含开发人员将可重复使用的内容写到单个文件中，使用时直接调用此文件，无需再次编写，这种调用文件的过程一般被称为文件包含。这样编写代码能减少代码冗余，降低代码后期维护难度&…
阅读更多...
rapidocr_web v1.0.0发布了

rapidocr_web v1.0.0发布了

建立RapidOCRWeb独立仓库 终于将web这块代码移了出来，成立了独立仓库RapidOCRWeb (https://github.com/RapidAI/RapidOCRWeb )。这样以来，RapidOCR仓库下的各个衍生项目均有自己的独立仓库，可以单独控制发版和维护。这也算是为RapidOCR减负了…
阅读更多...
Arduino IDE离线安装ESP8266板管理工具

Arduino IDE离线安装ESP8266板管理工具

文章目录概要官网地址开发板管理地址安装ESP8266开发板支持离线安装额外记录NODE启动服务概要 Arduino IDE离线安装ESP8266板管理工具&#xff0c;在线安装因为网络或者https的问题不能安装 官网地址 Adruino&#xff1a;https://www.arduino.cc/ ESP8266项目&#xff1a;<…
阅读更多...
两款免费数据恢复软件介绍，Win/Mac均可用

两款免费数据恢复软件介绍，Win/Mac均可用

数据已成为我们生活与工作中不可或缺的重要组成部分。无论是珍贵的家庭照片、关键的工作文档&#xff0c;还是重要的学习资料&#xff0c;都以数据的形式存储在各类设备中。然而&#xff0c;数据丢失的情况却时常发生&#xff0c;可能是误操作删除&#xff0c;可能是设备意外损…
阅读更多...
Java开发中敏感信息加密存储全解析：筑牢数据安全防线

Java开发中敏感信息加密存储全解析：筑牢数据安全防线

Java开发中敏感信息加密存储全解析&#xff1a;筑牢数据安全防线 一、引言 1.1 敏感信息存储的现状与挑战 在数字化时代&#xff0c;数据已然成为企业和组织的核心资产之一&#xff0c;而敏感信息的存储更是重中之重。从日常的用户登录密码、身份证号码&#xff0c;到金融领域…
阅读更多...
list的使用和模拟

list的使用和模拟

(一)list的了解 (1)简单了解 list的文档介绍 list是基于双向链表的序列式容器&#xff0c;支持双向迭代和任意位置的常数时间插入删除&#xff0c;相比 array、vector 等容器在这类操作上更高效&#xff0c;但不支持随机访问&#xff08;访问需线性遍历&#xff09;且因额外…
阅读更多...
Docker 初学者需要了解的几个知识点 (五）：建容器需要进一步了解的概念

Docker 初学者需要了解的几个知识点 (五）：建容器需要进一步了解的概念

之前在《Docker 初学者需要了解的几个知识点》几篇文章里&#xff0c;我们梳理了 Docker 的核心概念&#xff08;如镜像、容器、网络等&#xff09;&#xff0c;但在实际搭建 ThinkPHP 容器环境时&#xff0c;又遇到了一些更具体的术语和配置场景。这些内容和实操结合紧密&…
阅读更多...
【数据结构】栈的顺序存储（整型栈、字符栈）

【数据结构】栈的顺序存储（整型栈、字符栈）

【数据结构】栈的顺序存储&#xff08;整型栈、字符栈&#xff09;一、栈的结构定义二、字符栈的初始化、入栈、出栈、判断是否栈为空、获取栈顶元素、获取栈的当前元素个数等操作三、整型栈的初始化、入栈、出栈、判断是否栈为空、获取栈顶元素、获取栈的当前元素个数等操作一…
阅读更多...
【大模型实战】向量数据库实战 - Chroma Milvus

【大模型实战】向量数据库实战 - Chroma Milvus

在 RAG&#xff08;检索增强生成&#xff09;场景中&#xff0c;非结构化数据&#xff08;文本、图像等&#xff09;的高效检索是核心需求。传统关系型数据库难以胜任&#xff0c;而向量数据库通过将数据转化为向量、基于相似度快速匹配&#xff0c;成为 RAG 的关键支撑。本文聚…
阅读更多...
pytorch程序语句固定开销分析

pytorch程序语句固定开销分析

深入探索PyTorch与Python的性能微观世界&#xff1a;量化基础操作的固定开销 在深度学习的性能优化工作中&#xff0c;开发者通常将目光聚焦于模型结构、算法效率和并行计算策略。然而&#xff0c;在这些宏观优化的背后&#xff0c;构成我们代码的每一条基础语句——无论是PyTo…
阅读更多...
ABP VNext + CloudEvents：事件驱动微服务互操作性

ABP VNext + CloudEvents：事件驱动微服务互操作性

ABP VNext CloudEvents&#xff1a;事件驱动微服务互操作性 &#x1f680; &#x1f4da; 目录ABP VNext CloudEvents&#xff1a;事件驱动微服务互操作性 &#x1f680;一、引言 ✨☁️ TL;DR&#x1f4da; 背景与动机&#x1f3d7;️ 整体架构图二、环境准备与依赖安装 &am…
阅读更多...
软件测试测评公司关于HTTP安全头配置与测试？

软件测试测评公司关于HTTP安全头配置与测试？

浏览器和服务器之间那几行看不见的HTTP安全头配置&#xff0c;往往是抵御网络攻击的关键防线。作为软件测试测评公司&#xff0c;我们发现超过六成的高危漏洞源于安全头缺失或误配。别小看这些响应头&#xff0c;它们能直接掐断跨站脚本、点击劫持、数据嗅探的攻击路径。五条命…
阅读更多...
Mysql集成技术

Mysql集成技术

目录 mysql的编译安装与部署 1.编译安装mysql 2.部署mysql mysql主从复制 什么是mysql主从复制&#xff1f; 1.配置master 2.配置slave 3.存在数据时添加slave2 4.GTID模式 什么是GTID模式&#xff1f; 配置GTID 5.延迟复制 6.慢查询日志 核心作用 开启慢查询日志…
阅读更多...
《MySQL进阶核心技术剖析（一）： 存储引擎》

《MySQL进阶核心技术剖析（一）： 存储引擎》

目录 一、存储引擎 1.1 MySQL体系结构 1.2 存储引擎介绍 1). 建表时指定存储引擎 2). 查询当前数据库支持的存储引擎 1.3 存储引擎特点 1.3.1 InnoDB 1.3.2 MyISAM 1.3.3 Memory 1.3.4 区别及特点 1.4 存储引擎选择 一、存储引擎 1.1 MySQL体系结构 1). 连接层 最上…
阅读更多...
最新文章

Copyright @ 2022~2023