让你COPY 自己的声音，GPT-SoVits 人声模型训练_做声音模型的程序-程序员宅基地
前言
今天刷b站突然刷到一个视频，视频中，著名歌手孙燕姿唱着一首《泪桥》，我心想着：WTF，这不是我最爱的伍佰老师的歌曲吗？后来看评论区才知道，原来这是通过AI来模拟人声的一个恶搞视频。这极大地激发了我的兴趣。但是在了解后发现，网络上大多数都是一些模型优化不怎么好的，要么就是动辄需要几千上万的音频，要么就是需要为爱发电的，但是身为一个穷苦大学生的我，怎么淘的出来$呢，于是乎，我开始疯狂刷Git hub，终于，皇天不负有心人，我终于到了一个最快速、方便的声音copy模型，一个强大的少量语音转换和文本转换到语音 WebUI——GPT-SoVITS！
介绍
首先GPT-SoVITS是一个开源的TTS项目，官方声称只需要1分钟的音频文件就可以克隆声音，并且支持将汉语、英语、日语三种语言的文本转为克隆声音。
GPT-SoVits
另外，官方还给了一个中国地区用户可以使用AutoDL Cloud Docker在线体验的功能
特点
- 零样本 TTS：输入 5 秒语音样本并体验即时文本到语音转换。
- Few-shot TTS：仅用 1 分钟的训练数据即可微调模型，以提高语音相似度和真实感。
- 跨语言支持：用与训练数据集不同的语言进行推理，目前支持英语、日语和中文。
- 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。
安装
测试环境
- Python 3.9、PyTorch 2.0.1、CUDA 11
- Python 3.10.13、PyTorch 2.1.2、CUDA 12.3
注意：numba==0.56.4 需要 py<3.11
另外，因为我自己没有mac，Linux系统的电脑，所以本文仅介绍Windows系统的安装步骤，MAC,Linux用户可以自行前往官网查询。
Windows 用户（使用 win>=10 进行测试），可以直接下载预打包的发行版并双击go-webui.bat启动 GPT-SoVITS-WebUI。
运行
解压完下载好的压缩包后，得到这样一个文件夹
然后双击go-webui.bat批处理文件
等他加载完成后，我们得到一个网址
在网页打开它后，我们的web界面就已经运行成功了！！！
开始炼丹——训练自己的声音
准备工作
找一出安静的地方，用录音设备录制一段自己的声音，随便找一篇小学课外来阅读都行。如果周围声音很嘈杂的话，就必须使用到项目自带的声音处理工具
加载一会儿就会弹出一个新的web界面
可以看到我们output文件夹里面已经出现了处理后的音频（我的不一样，正常的应该有两个，一个是vocal开头的，一个是instrument开头的，我们保留vocal开头的）
干声提取成功后，这个界面就可以关掉了（很占运存！）
音频切割
并不是所有人都是4090，所以，对于我们这些显存只有6g的还是都要做这一步的。
设置就默认就行。
可以看见，我们的音频被分为了很多个小片段
打标签
利用自带的打标签工具就可以自动为我们的音频片段转换为对应的文字
标签一般保存在output/asr_opt里面
点击开启打标webui后，弹出（因为上一步是自动做的，可能有些识别的不准，所以人工校对一下，追求完美可以校对，如果对自己普通话很有信心则可以跳过这一步，系统自动识别的已经很准确了。）
如果有错别字需要更改，按照以下步骤来
处理数据
填写完成后，分别点击下面三个按钮，每个按钮点完后，等待执行结束再点击下一个。
模型训练
建议就保持默认
填写模型名称，设置batch size，建议batch_size设置为自己显存的一半，如果高了的话会爆显存！！
接着设置轮数(total epoch)，SoVITS模型轮数，可以设置的高一点，GPT模型轮数不能高于20
点击Start SoVITS traing之后，就可以看到已经开始训练了。
训练的时候可以查看显卡占用，爆显存了就调低batch size，或者存在过长的音频，需要在切割音频环节将过长音频再次切割。
SoVITS训练完成，可以点击"Start GPT traing"开始GPT训练了，同样点完等待。
开始推理声音
上面参考音频，建议是数据集中的音频。最好5秒。参考音频很重要！会学习语速和语气，请认真选择！！！
智能推荐
攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地
文章浏览阅读645次。这个肯定是末尾的IDAT了，因为IDAT必须要满了才会开始一下个IDAT，这个明显就是末尾的IDAT了。，对应下面的create_head()代码。，对应下面的create_tail()代码。不要考虑爆破，我已经试了一下，太多情况了。题目来源：UNCTF。_攻防世界困难模式攻略图文
达梦数据库的导出（备份）、导入_达梦数据库导入导出-程序员宅基地
文章浏览阅读2.9k次，点赞3次，收藏10次。偶尔会用到，记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录，执行导库操作 导出语句：./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释： cwy_init/init_123..._达梦数据库导入导出
js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件，可以删掉不需要要到的jsp，asp，asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件，在页面引入js文件：<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地
文章浏览阅读2.3k次，点赞6次，收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA，我们的数据线就会变为10101010，通过修改不同的内容，即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平，后半周期为低电平的状态。在SPI的通信模式中，CPHA配置会影响该实验，下图展示了不同采样位置的SPI时序图[1]。CPOL = 0，CPHA = 1：CLK空闲状态 = 低电平，数据在下降沿采样，并在上升沿移出CPOL = 0，CPHA = 0：CLK空闲状态 = 低电平，数据在上升沿采样，并在下降沿移出。_stm32g431cbu6
计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地
文章浏览阅读1.2k次，点赞2次，收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决？5.如果在数据链路层不进行帧定界，会发生什么问题？6.PPP协议的主要特点是什么？为什么PPP不使用帧的编号？PPP适用于什么情况？为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
软件测试工程师移民加拿大_无证移民，未受过软件工程师的教育（第1部分）-程序员宅基地
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民，未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
随便推点
Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地
文章浏览阅读304次。Thinkpad X250笔记本电脑，装的是FreeBSD，进入BIOS修改虚拟化配置（其后可能是误设置了安全开机），保存退出后系统无法启动，显示：secure boot failed ，把自己惊出一身冷汗，因为这台笔记本刚好还没开始做备份.....根据错误提示，到bios里面去找相关配置，在Security里面找到了Secure Boot选项，发现果然被设置为Enabled，将其修改为Disabled ，再开机，终于正常启动了。_安装完系统提示secureboot failure
C++如何做字符串分割（5种方法）_c++ 字符串分割-程序员宅基地
文章浏览阅读10w+次，点赞93次，收藏352次。1、用strtok函数进行字符串分割原型： char *strtok(char *str, const char *delim);功能：分解字符串为一组字符串。参数说明：str为要分解的字符串，delim为分隔符字符串。返回值：从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它：strtok函数线程不安全，可以使用strtok_r替代。示例：//借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
2013第四届蓝桥杯 C/C++本科A组 真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯：无论如何都要记日记。他的日记有个与众不同的地方，他从不注明年月日，而是用一个整数代替，比如：4210后来人们知道，那个整数就是日期，它表示那一天是高斯出生后的第几天。这或许也是个好习惯，它时时刻刻提醒着主人：日子又过去一天，还有多少时光可以用于浪费呢？高斯出生于：1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地
文章浏览阅读851次，点赞17次，收藏22次。摘要：本文利用供需算法对核极限学习机(KELM)进行优化，并用于分类。
metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功，进入系统4、测试如下：二、MySQL弱密码登录：1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功，进入MySQL系统3、测试效果：三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
Python学习之路：从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南，从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文，您将能够掌握Python编程的核心概念，为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf