作者：微信小助手
发布时间：2025-03-18T11:56:20
准备一个几十秒音频
准备下载安装用GPT-SoVITS webUI软件对音频训练模型
下载地址已放结尾，请去查看！！！！
点击go-webui.bat运行 启动WebUI在浏览器中访问http://127.0.0.1:7860/，即可在浏览器中使用GPT-SoVITS-WebUI。
1.1 打勾：是否开启UVR5-WebUI
1.2 等待数秒后，自动弹出一个新页面（人声伴奏分离）。在该页面进行人声伴奏分离操作。
1.3 需要输入的有2个地方：把音频拖入或者点击上传和（模型）根据页面中的提示自行选择，其他不用管，输入完成后点击“转换”，输出信息为d388d95d62334e1f820f7a5e945dcb2045wmk9vf.mp3.reformatted.wav->Success，说明成功。
1.4：语音切分工具注意！！！
1.5：这里注意！！！
min_length建议将原值改为30（对于2分钟的音频而言）
min_interval建议将原值改为11（对于2分钟的音频而言）
低于2分钟不用管
格式：音频自动切分路径地址+音频.flac
路径输入完成点击开启语音切割，其他不用管。
1.6： 切分后的音频数据集在这里
1.7：中文批量离线ASR
1.8：输入切分后的音频数据集文件夹路径，点击开启离线批量ASR。需要等一会ASR进程输出信息输出为：ASR任务成功，
1.9：语音文本校对标注
输入 .list 标注文件的路径，看清再开启.
2.0：核对音频和文本是否对应。选中音频，可进行合并和删除操作。注意校对标注一个音频后及时保存，完成一页校对后，进入下一页继续标注。 
2.1：GPT-SoVITS-TTS对整理好的目标音频数据集，进行微调训练和推理。完成这一步，即可实现让目标声音说出任何文本内容，并进行测试试听。
2.2： 命名该模型：如我要训练李云龙的声音，将模型命名为liyunlong
注意：文本标注文件：输入上一步标注好的文件路径（.list文件路径，不是文件夹路径）
注意：训练集音频文件目录地址：
如图所示： 地址输入完成后，点击一键三连，等一会提示一键三连进程结束，完成！！！
2.3：点击1B-微调训练
直接（分别）点击开启SoVITs训练和开启GPT训练即可。当SoVITS训练进程输出信息和GPT训练进程输出信息分别显示SoVITS训练完成和GPT训练完成，同时后台无报错。表明训练成功。
训练完成后，训练出来的音频模型会分别显示在GPT_weights和SoVITS_weights文件夹中。
2.4：IC 推理
在推理页，点击刷新模型路径，即可在GPT模型列表中看到上一步训练的音频模型：li yun long
2.5：打勾：是否开启TTS原理webUI。等待一会，自动打开一个页面在开启的TTS原理webUI进行操作
2.6：上传参考音频文件，以及对应该参考音频的文本内容。参考音频的语种选择中文即可。
推理前我们需要给它一个目标音色参考音频，可以在\logs\YeShu\5-wAV32k路径下取一个音频。
参考音频文本可以在\logs\YeShu\这个路径的这个文件里找到。
找不到自己去找对应训练的模型音频，随便弄个参考音频和文本输上，
2.7：输入需要合成的文本：即想让训练的声音说什么内容，然后点击合成语音即可在右侧输出的语音中试听声音效果。
2.8：实时变声，后续的变声部分还在施工当中。
结束语：
GPT-SoVITS-WebUI凭借其强大的功能和易用性，为语音技术的爱好者和开发者提供了一个强大的工具。它使得语音合成、识别和处理变得更加高效和便捷。随着技术的不断发展，我们期待GPT-SoVITS-WebUI能在未来的日子里，为语音技术的探索和应用带来更多的可能性。
下载地址：出于对原作者的尊重，我不会直接提供整合包的网盘链接，有需要的可以按照提示，给 @花儿不哭 发私信获取，或者从 Github 下载
附原出处开源地址：https://github.com/RVC-Boss/GPT-SoVITS