前言

1、本教程中使用AutoDL算力平台在线训练作为演示，实际使用中可以自行选择合适的算力平台。（如选择弹性计费，则使用完成后记得关闭实例主机，避免额外扣费）

2、本教程中使用的GPT-SoVITS:v6.3镜像进行演示

作者仓库地址:https://github.com/RVC-Boss/GPT-SoVITS

作者：39c5bb

链接：https://www.codewithgpu.com/i/RVC-Boss/GPT-SoVITS/GPT-SoVITS/736/6.3

来源：CodeWithGpu

该文件著作权归镜像作者所有。

3、开始训练前建议准备好3分钟以上的需要训练的人声材料，格式可以为mp3、m4a、wav等主流格式。声音内容为单人语音，避免过多杂音和背景音。更长的材料能够获得更好的效果，根据实际需求进行准备。（Webui里包含降噪和人声分离，但是我不喜欢用，毕竟是按时间收费的，可以随便找个剪辑软件去做降噪和人声分离，省钱）

正式开始

1、在算力市场中选择合适的显卡，在训练模型时推荐使用24G以上显存的（Autodl平台选择3090以上）。

*注意：训练时显卡需求更高，日常使用TTS模型则可以选择更差的显卡（我用的是本地笔记本的1650）

2、建立实例时选择社区镜像，搜索SoVITS并选择合适的镜像（我是用的是RVC-Boss/GPT-SoVITS/GPT-SoVITS 作者：39c5bb）

3、等待实例创建

实例开机后点击jupyterlab进入控制台

5、进入jupyterlab控制台后，点击“GPT-Sovits(使用)”标签页，将准备好的人声素材放workdir/GPT-SoVITS/input文件夹

（直接拖拽到左侧就可以上传）

6、点击“GPT-Sovits(使用)”标签页，找到“首次使用请运行”代码块，

单击选中该代码块后点击“▶运行”按键，等待代码块提示“移动完成”

选择“运行Webui”代码块，点击“▶运行”按键

点击出现的public URL中的gradio蓝色连接，打开GPT-Sovits的webui（gradio有时候会很慢，多等一会儿

7、点击蓝色大按钮开始对语音素材进行分割（默认参数无需调节可以直接用。Webui里包含降噪和人声分离，但是我不喜欢用，毕竟是按时间收费的，可以随便找个剪辑软件去做降噪和人声分离，省钱）

根据进程输出信息确认是否完成

在控制台的autodl-tmp/workdir/GPT-SoVITS/output/slicer_opt文件夹中可以看到分割完成的音频

确认分割完成的音频文件存在后，点击批量ASR按钮，等待

在“GPT-Sovits(使用)”标签页中可以看到工作进度

等待直到显示任务完成

8、查看autodl-tmp/workdir/GPT-SoVITS/output/asr_opt文件夹中是否有完成的标注文件

确认标注文件存在后，回到Webui，点击“开启打标Webui”

等待直到显示为“打标工具WebUI已开启”

回到“GPT-Sovits(使用)”标签页中，找到另一个public URL中的gradio蓝色连接，打开webui（和第一个Webui是两个网址，不要搞错了），打开打标页面

9、在打标Webui中，根据每一段语音的实际内容，检查识别的文字是否正确，如有错误进行修改和调整。对于一些难以识别的短句或者错句可以酌情删除

一页的内容检查完成后，点击“保存修改”按钮和“保存文件”按钮。随后点击下一页进行修改

请务必在修改文字之后点击保存！

在控制台的autodl-tmp/workdir/GPT-SoVITS/output/asr_opt/slicer_opt.list文件中也可以看到识别的文字内容

10、确认打标工作完成后，回到GPT-Sovits的Webui，点击GPT-Sovits-TTS选项卡

为训练的语音模型填写名称

按顺序点击“开启文本获取”、“开启SSL提取”、“开启语义token提取”、“开启一键三连”

注意：在上一个工作的进度结束之后再点击下一个按钮

在“GPT-Sovits(使用)”标签页中可以看到工作进度（但是完全没必要看）

11、所有进程都完成后，找到并进入“微调训练”选项卡

如果使用的是3090及以上的拥有24G以上显存的显卡，则无需调整参数，可以直接点击“开启SoVITS”训练。如果显存了则适当调小“每张显卡的batch size”参数。

开始训练

在“GPT-Sovits(使用)”标签页中可以看到工作进度

看到提示“SoVITS训练完成”后，点击开启“GPT训练”

等待直到显示“GPT训练完成”

回到控制台，检查autodl-tmp/workdir/GPT-SoVITS/SoVITS_weights_v2和autodl-tmp/workdir/GPT-SoVITS/GPT_weights_v2文件夹中是否有训练完成的模型

12、确认模型存在后，回到GPT-Sovits Webui，点击“推理”标签页

点击刷新模型路径，确认下拉菜单里有训练好的模型

确认完毕后勾选“启用并行推理版本(推理速度更快)”

点击“开启TTS推理Webui”

13、回到“GPT-Sovits(使用)”标签页中，找到第三个public URL中的gradio蓝色连接，打开TTS推理webui

在打开的页面中点击“刷新模型路径”

在两个下拉菜单中分别选择你要使用的GPT模型和SoVITS模型，模型名称中的e**代表训练轮数，选择合适的使用

上传一小段参考音频和对应的文本，参考音频用于音色的参考，和模型训练的语音音色一致为最好，长度要求10秒以内，可以从最初的训练素材中截取。随后填写参考语音对应的实际文本。

输入需要合成的语音文本

适当调整语速和温度值，让TTS接近真人语音

点击“合成语音”

等待合成完成……

试听成果，调整参数

对于满意的语音，可以点击右侧三个小点中的下载保存到本地

对于一些长文本，先复制到文本切分工具中，在“怎么切”中选择合适的切断方式（我习惯用标点符号，可以避免吃字，也可以选别的），并将切分后的文本复制到“需要合成的语音文本”中

14、对于满意的训练模型，可以在“GPT-Sovits(使用)”标签页，运行“打包下载”代码块，以压缩包的形式下载autodl-tmp/workdir/GPT-SoVITS/SoVITS_weights_v2和autodl-tmp/workdir/GPT-SoVITS/GPT_weights_v2两个文件夹中的模型（同时也会下载SoVITS_weights和GPT_weights两个文件夹，如果使用的是V1训练，则模型会在这两个文件夹里，否则这两个就是空文件夹）

注意：运行打包下载前必须终止原有的正在运行的代码，这会导致三个打开的Webui都停止工作，请在本次训练和TTS推理完成后再打包模型。如需重启TTS推理Webui，则请回到并运行最初的“运行Webui”代码块，点击出现的public URL中的gradio蓝色连接，打开GPT-Sovits的webui。并在“推理”标签页勾选“启用并行推理版本(推理速度更快)”后点击“开启TTS推理Webui”，随后回到“GPT-Sovits(使用)”标签页中，找到对应public URL中的gradio蓝色连接，打开TTS推理webui

打包完成的模型位于autodl-tmp/workdir，默认压缩包名称为GPT_SoVITS_pack.zip，可以右键下载到本地

如需使用这些下载好的模型，则只需要把其中的模型文件放在对应的autodl-tmp/workdir/GPT-SoVITS/SoVITS_weights_v2和autodl-tmp/workdir/GPT-SoVITS/GPT_weights_v2文件夹中即可（本地部署使用同理）