首先聽下我用了四位朋友的一分鐘的語音素材來訓(xùn)練的音頻效果。

下面我分享制作流程，篇幅較長，多圖，但是步驟很簡單。

安裝與啟動

Win：

Windows用戶將下載好的壓縮包解壓到本地目錄，雙擊啟動器.exe即可。

耐心等待一會兒，會自動打開一個網(wǎng)頁。這就是程序的主界面。

Mac：

Mac用戶由于權(quán)限設(shè)置會比Windows相對麻煩些，首先解壓壓縮包，來到項目路徑下，我們看到這兩個文件是文稿形式，這時我們需要開啟下文件權(quán)限才可以使用。

回到最外層文件夾，也就是你解壓包所在的目錄。

打開終端。

輸入指令sudo chmod -R 777 ，然后將文件夾拖拽進終端內(nèi)。

完整命令，別忘了777后有個空格

之后按下回車。這時需要輸入屏幕密碼，我們輸入密碼后按回車。（輸入的時候密碼不會顯示）

執(zhí)行完畢，我們可以將終端窗口關(guān)閉。

再次回到項目目錄內(nèi)，可以看到剛才的兩個文件已經(jīng)變成Unix可執(zhí)行文件的格式。這就代表成功了，如果這兩個文件沒變成Unix可執(zhí)行文件的格式，你需要檢查下上一步是否正確執(zhí)行。

接下來，Mac用戶還需要開啟允許任何來源APP的權(quán)限才可以完全使用。如果你不知道你的電腦是否開啟了這個選項，你可以進入系統(tǒng)設(shè)置--隱私與安全性--安全性，查看是否是任何來源選項。

如果你已經(jīng)開啟，請忽略下面的步驟，如果不是任何來源選項，根據(jù)下面步驟開啟。

雙擊來源開啟。

選擇打開。

提示需要輸入鎖屏密碼。輸入完畢后按回車。

顯示開啟成功，可以將終端窗口關(guān)掉。

到這里為止，Mac用戶使用前的權(quán)限都開啟了。后續(xù)使用無需重復(fù)執(zhí)行以上步驟，直接點擊啟動器啟動即可。

雙擊啟動器。彈出的詢問框點擊打開。

耐心等待一會兒，會自動打開一個網(wǎng)頁。這就是程序的主界面。

開始操作

從這里開始，Windows用戶和Mac用戶的操作步驟是一樣的。

分三大步驟：

1. 數(shù)據(jù)集處理。

2. 模型訓(xùn)練。

3. 推理模型。

數(shù)據(jù)集處理

請認真準備數(shù)據(jù)集！以免后面出現(xiàn)各種報錯，和煉出不理想的模型！好的數(shù)據(jù)集是煉出好的模型的基礎(chǔ)！

首先我們需要準備一段音頻文件，準備一段人物說話的音頻即可。

音頻標準：

• 音頻里不要有嘈雜的環(huán)境音、噪音、背景音樂等。

• 音頻長度30s-60s。

• 音頻格式為wav。

下面是我用的音頻，可以參考下：

如果你的音頻里有背景音樂等雜音，需要執(zhí)行下面步驟進行處理，如果沒有請忽略。

音頻處理

勾選此選項，然后會自動進入聲音處理界面。

第一步拖拽需要處理的音頻。第二步根據(jù)說明來選擇對應(yīng)的模型，一般選擇HP3就足夠了。第三步選擇導(dǎo)出文件格式為WAV。

然后點擊轉(zhuǎn)換，耐心等待一會兒。

當輸出信息這一欄有Success字樣就完成了音頻的處理。

可以在項目路徑下：output--uvr5_opt文件夾下找到處理的兩個音頻文件。一個是伴奏，一個是人聲。我們訓(xùn)練需要用到人聲部分。

處理完畢后我們來到主界面將這個選項關(guān)閉。

音頻切分

這里填入準備好的音頻路徑。然后點擊開啟語音切割。

切分好的音頻在GPT-SoVITS-main/output/slicer_opt文件夾內(nèi)。

音頻降噪

這一步根據(jù)你的音頻質(zhì)量來，如果噪音不大，此步驟可以忽略不執(zhí)行。

這里填入上一步切分好的音頻路徑。點擊開啟語音降噪。

降噪完成。

降噪完成的音頻文件在GPT-SoVITS-main/output/denoise_opt文件夾內(nèi)。

音頻打標

這一步只需要填寫輸入文件夾路徑。如果你音頻降噪過，那么是GPT-SoVITS-main/output/denoise_opt文件夾，如果你切分了沒有降噪，那么是GPT-SoVITS-main/output/slicer_opt文件夾。其他選項保持默認，然后點擊開啟離線批量ASR。

補充：這里模型選項默認是中文，如果你想訓(xùn)練中英混合的模型、日文、韓文等其他語言。你需要在ASR模型選項選擇Faster Whisper (多語種)，ASR語言設(shè)置選擇auto。

校對標注

這一步比較費時間，如果不追求極致效果，可以忽略這一步。

填入標注文件的路徑。GPT-SoVITS-main/output/asr_opt/denoise_opt.list

勾選是否開啟打標WebUI

然后會跳轉(zhuǎn)到打標網(wǎng)頁，紅框區(qū)域是根據(jù)音頻生成對應(yīng)的文字。黃框區(qū)域是對應(yīng)的音頻。這一步要做的是試聽，然后根據(jù)音頻來修改前面的文字和斷句。

比如我們根據(jù)音頻在句子中增加，來斷句。

修改前：

修改后：

修改完后需要點擊Submit Text和Save File來保存。

如果你的音頻文件很長，你需要進行翻頁操作對每句話進行校對，Previous Index 和 Next Index是上一頁和下一頁。

當你校對完成后，記得保存，隨后關(guān)閉這個頁面就可以了?；氐街鹘缑?，關(guān)閉勾選。

output目錄文件夾介紹。沒執(zhí)行過降噪或者是音頻處理就不會有denoise_opt、uvr5_opt文件夾。

模型訓(xùn)練

訓(xùn)練集格式化

接下來開始訓(xùn)練模型，點擊GPT-SoVITS-TTS進入新的界面。

選擇訓(xùn)練格式化工具這一欄。在訓(xùn)練模型前我們需要對數(shù)據(jù)集進行修改操作。

這里填寫標注文件的路徑GPT-SoVITS-main/output/asr_opt/denoise_opt.list

點擊一鍵三連。其他開啟文本獲取、開啟ssl提取、開啟語義token提取選項不用執(zhí)行。一鍵三連會自動執(zhí)行上述步驟。

執(zhí)行完畢后我們可以看到GPT-SoVITS-main/logs文件夾下會生成一個跟模型名一樣的文件夾。（模型名稱可以修改，不要用中文）

微調(diào)訓(xùn)練

進入微調(diào)訓(xùn)練這一欄

這里需要調(diào)整SoVITS訓(xùn)練參數(shù)和GPT訓(xùn)練參數(shù)，每張顯卡的batch_size和總訓(xùn)練輪數(shù)我這里設(shè)置的是15，總訓(xùn)練輪數(shù)一般設(shè)置成10。這兩個參數(shù)根據(jù)電腦配置來自行調(diào)整。訓(xùn)練輪數(shù)千萬不能高于20。學(xué)習(xí)率保持默認值。保存頻率設(shè)置為5。其他選項為默認。

然后先點開啟SoVITS訓(xùn)練，訓(xùn)練完后再點開啟GPT訓(xùn)練，不可以一起訓(xùn)練（除非你有兩張卡）！如果中途中斷了，直接再點開始訓(xùn)練就好了，會從最近的保存點開始訓(xùn)練。

兩個訓(xùn)練都完成后我們可以去模型文件夾確認下。兩個訓(xùn)練生成的模型分別在GPT-SoVITS-main/SoVITS_weights 和 GPT-SoVITS-main/GPT_weights文件夾內(nèi)。

模型推理

來到推理界面

點擊刷新模型路徑。

選擇對應(yīng)的模型，e代表輪數(shù)，s代表步數(shù)。不是輪數(shù)越高越好，這里我選擇了最低的輪數(shù)5進行推理。如果你選擇輪數(shù)為5的推理后的音頻效果不理想，可以選擇更高輪數(shù)的模型。

勾選打開推理界面。

推理界面

確認下模型是否跟我們剛才選的一樣。

然后上傳一段參考音頻，建議是數(shù)據(jù)集中的音頻。最好5秒。參考音頻很重要！會學(xué)習(xí)語速和語氣，請認真選擇。

這里我選擇的是降噪切分后的音頻。

參考音頻的文本是參考音頻說什么就填什么，語種也要對應(yīng)。

接著就是輸入要合成的文本了，注意語種要對應(yīng)。切分選擇湊50字一切，沒超過50字的不會切。然后點擊合成語音。

生成的語音

如果你要合成的文本中有英文，你需要選擇對應(yīng)的語種。

如果你發(fā)現(xiàn)選擇中英混合或者其他語種推理的音頻效果不太理想，你的準備音頻可以是中英混合的，中文摻雜著英文，然后生成標注的時候就選擇多語種。

至此，我們訓(xùn)練好了一個聲音模型并可以用它生成任何音頻。

整合包獲取

關(guān)注公眾號,發(fā)送0301關(guān)鍵字獲取整合包

常見問題：

如何訓(xùn)練第二個模型？

將以下幾個路徑下的文件移走或者刪除。否則第二次訓(xùn)練的時候會造成數(shù)據(jù)混淆。

標注文件夾GPT-SoVITS-main/output/asr_opt

噪音音頻切分文件夾GPT-SoVITS-main/output/denoise_opt

音頻切分文件夾GPT-SoVITS-main/output/slicer_opt

如果你第二次不修改模型名字，那你需要將GPT-SoVITS-main/logs/文件夾內(nèi)的模型同名文件夾移走或刪除。也可以直接修改模型名字。

如何分享我訓(xùn)練的模型？

將下面這兩個路徑下的文件粘貼到別人的同樣的目錄下即可。

GPT-SoVITS-main/SoVITS_weights

GPT-SoVITS-main/GPT_weights

怎么樣才算訓(xùn)練好一個模型？

這個問題其實沒有一個準確答案，模型的訓(xùn)練取決于你的數(shù)據(jù)集質(zhì)量、時長，輪數(shù)，等因素。每次訓(xùn)練完成后聽下看看是否滿足你的心里預(yù)期。如果你的模型推理出來的效果一直不理想，你應(yīng)該重點關(guān)注下你的數(shù)據(jù)集是否有問題。

感謝

本次的分享結(jié)束啦，最后感謝櫻子老師、陽光老師、貝貝老師、翅膀同學(xué)提供的音頻素材。

本文出現(xiàn)的所有音頻僅供參考，未經(jīng)授權(quán)禁止商用。

如果本文對您有幫助，還請點個贊，感謝您的閱讀。文章來源地址http://www.zghlxwxcb.cn/news/detail-844532.html

到了這里，關(guān)于【AI聲音克隆】教你如何“奪取“別人的聲音!GPT-SoVITS整合包發(fā)布(WIN/MAC)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！