mirror of
https://github.com/RVC-Boss/GPT-SoVITS.git
synced 2025-04-05 19:41:56 +08:00
Merge 1e8caa01855b66373fa196424d1bc0f37e581b4f into 5dfce9a3f0def7f1ee1e075df569b0b2d41df9e3
This commit is contained in:
墨凛冰烬
GitHub
commit
b03ae6f4c1
@ -58,12 +58,159 @@ _注：0306fix2版本推理速度翻倍，节约生命。修复了无参考文
|
||||
|
||||
### Linux
|
||||
|
||||
#### Step 1:下载 GPT-SoVITS 源代码
|
||||
|
||||
请通过本项目首页通过HTTP或SSH或下载ZIP压缩包的方式完整下载本项目
|
||||
|
||||
#### Step 2:安装 conda
|
||||
|
||||
可以根据 conda 的[清华镜像源](https://link.zhihu.com/?target=https%3A//mirror.tuna.tsinghua.edu.cn/help/anaconda/)去进行下载
|
||||
|
||||
```text
|
||||
wget -c https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh #原网址
|
||||
|
||||
wget -c https://mirrors.bfsu.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh #清华的镜像源latest的版本的话就是说以后一直会更新最新的版本
|
||||
```
|
||||
|
||||
上述命令得到的是.sh 文件，使用如下命令安装：
|
||||
|
||||
```bash
|
||||
bash Miniconda3-latest-Linux-x86_64.sh
|
||||
```
|
||||
|
||||
具体过程不再赘述，可自行查阅
|
||||
|
||||
#### Step 3:安装其他
|
||||
|
||||
在上述 cunda 安装完成后请重启命令行界面。
|
||||
这里要求先开启 cunda 环境，以免造成 GPT-SoVITS 的配置影响其他软件运行
|
||||
|
||||
```bash
|
||||
conda create -n GPTSoVits python=3.9
|
||||
conda activate GPTSoVits
|
||||
```
|
||||
|
||||
此时你的命令行前应该会出现`(GPTSoVits)`的标志
|
||||
|
||||
然后请进入你之前下载好的 GPT-SoVITS 文件夹内，如果此时使用`ls`命令，你可以在里面找到两个文件：`install.sh`和`requirements.txt`
|
||||
此时运行指令，等待安装完成即可：
|
||||
|
||||
```bash
|
||||
bash install.sh
|
||||
```
|
||||
|
||||
（另：好像用`pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt`也可以安装，这里的回忆缺失了.jpg😭）
|
||||
参考教程：[MAC 教程 (yuque.com)](https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e/znoph9dtetg437xb)
|
||||
（对，我是看着 MAC 的教程安的）
|
||||
|
||||
下次再启动，只需要打开终端，定位到项目目录，进入 conda 环境，运行启动conda 环境即可
|
||||
|
||||
```bash
|
||||
cd /XXX/GPT-SoVITS
|
||||
|
||||
conda activate GPTSoVits
|
||||
```
|
||||
|
||||
#### Step 4:推理
|
||||
|
||||
> 在/GPT-SoVITS-main/路径下，运行以下命令即可启动 webui 界面：
|
||||
>
|
||||
> ```bash
|
||||
> python webui.py
|
||||
> ```
|
||||
|
||||
当然，你没有下载预训练模型肯定会报错，我是直接把 windows 的整合包里面的东西丢到报错缺失的文件夹内的，你可以这样做：
|
||||
|
||||
> 从 [GPT-SoVITS Models](https://huggingface.co/lj1995/GPT-SoVITS) 下载预训练模型，并将它们放置在 `GPT_SoVITS\pretrained_models` 中。
|
||||
>
|
||||
> 对于 UVR5（人声/伴奏分离和混响移除，附加），从 [UVR5 Weights](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/uvr5_weights) 下载模型，并将它们放置在 `tools/uvr5/uvr5_weights` 中。
|
||||
> 中国地区用户可以进入以下链接并点击“下载副本”下载以上两个模型：
|
||||
>
|
||||
> - [GPT-SoVITS Models](https://www.icloud.com.cn/iclouddrive/056y_Xog_HXpALuVUjscIwTtg#GPT-SoVITS_Models)
|
||||
>
|
||||
> - [UVR5 Weights](https://www.icloud.com.cn/iclouddrive/0bekRKDiJXboFhbfm3lM2fVbA#UVR5_Weights)
|
||||
>
|
||||
> 对于中文自动语音识别（附加），从 [Damo ASR Model](https://modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/files), [Damo VAD Model](https://modelscope.cn/models/damo/speech_fsmn_vad_zh-cn-16k-common-pytorch/files), 和 [Damo Punc Model](https://modelscope.cn/models/damo/punc_ct-transformer_zh-cn-common-vocab272727-pytorch/files) 下载模型，并将它们放置在 `tools/damo_asr/models` 中。
|
||||
|
||||
~~我的目的是推理，又不是训练，而且都用命令行了还要什么 ui 界面 🤪~~
|
||||
|
||||
如果你只希望推理，那么找到推理界面直接运行推理即可
|
||||
|
||||
**（以下部分为错误示范）**
|
||||
|
||||
- 在 GPT-SoVITS-main/GPT_SoVITS 内存有二级界面的启动.py 文件
|
||||
- 推理界面的.py 文件为`inference_webui.py`
|
||||
- 该文件需要依赖 GPT-SoVITS-main 文件夹下的其他内容，并且作者将其写成了相对路径
|
||||
|
||||
理所当然的的就把他从 GPT-SoVITS-main/GPT_SoVITS 复制到了 GPT-SoVITS-main 下面。并且使用命令成功启动：
|
||||
|
||||
```bash
|
||||
python inference_webui.py
|
||||
```
|
||||
|
||||
但是此时问题来了，我如果仿照 Part1 中用 curl 的方法推送并获取结果，服务器会报错：
|
||||
|
||||
```bash
|
||||
{'detail': 'Method Not Allowed'}
|
||||
```
|
||||
|
||||
很好，只能另寻他法。
|
||||
然后我在 GPT-SoVITS-main 下翻到了 api.py
|
||||
|
||||
**（以下为正确做法）**
|
||||
|
||||
这个时候就简单了，直接启动远程端口：
|
||||
|
||||
```bash
|
||||
python api.py
|
||||
```
|
||||
|
||||
这里的端口号是 9880，使用<http://localhost:9880/>即可访问。
|
||||
|
||||
这里使用 curl 方法推送参数并解析返回值，我已经写成了 python 文件如下：
|
||||
|
||||
`getvoice.py`
|
||||
|
||||
```python
|
||||
import requests
|
||||
import json
|
||||
|
||||
# 读取文本内容
|
||||
with open("/XXX/你需要转化的文本.txt", "r") as f:
|
||||
text = f.read()
|
||||
|
||||
# 定义请求参数
|
||||
url = "http://localhost:9880/"
|
||||
headers = {"Content-Type": "application/json"}
|
||||
data = {
|
||||
"refer_wav_path": "/xxx/示例语音，和网页端的要求相同，建议5-10.wav,
|
||||
"prompt_text": "这是你上面示例语音的文本",
|
||||
"prompt_language": "zh",
|
||||
"text": text,
|
||||
"text_language": "zh",
|
||||
}
|
||||
|
||||
# 发送请求并获取响应
|
||||
response = requests.post(url, headers=headers, data=json.dumps(data))
|
||||
|
||||
# 处理结果
|
||||
if response.status_code == 200:
|
||||
# 成功
|
||||
# 这里可以将音频数据保存到文件
|
||||
with open("~/output.wav", "wb") as f:
|
||||
f.write(response.content)
|
||||
else:
|
||||
# 失败
|
||||
error_info = json.loads(response.content)
|
||||
print(error_info)
|
||||
```
|
||||
安装完成后启动总结如下：
|
||||
- 在~/GPT-SoVITS-main 中先使用 conda activate GPTSoVits 启动虚拟环境
|
||||
|
||||
- 再使用 python api.py 启动远程端口
|
||||
|
||||
- 使用 python getvoice.py 读取/XXX/你需要转化的文本.txt 的内容并在~/下生成 wav 文件
|
||||
|
||||
### macOS
|
||||
|
||||
**注：在 Mac 上使用 GPU 训练的模型效果显著低于其他设备训练的模型，所以我们暂时使用CPU进行训练。**
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user