【語音合成技術 - GPT-SoVITS】如何架設API伺服器

我們在「【語音合成技術 - GPT-SoVITS】讓機器說人話的語音生成服務」介紹過如何透過docker啟動webui版的TTS服務器， 但假設我們想自行開發一個TTS服務， 並整合到系統裡面， 通常會需要一個傳輸介面來溝通， 而API就是最簡易的溝通方式， 正巧 ****GPT-SoVITS ****也提供了API介面， 只是在架設時我們要稍微修改一下配置即可。

在2024/10/18前， https://github.com/RVC-Boss/GPT-SoVITS 專案有在 fast_inference_ 這個Branch開發了api_v3 這個API介面， 只是尚未合併進入到主線， 因此我們可以先來試用看看， 但並不是那麼的無痛， 沒關係！ 跟著我們的步驟做， 會讓您輕鬆的架設起屬於自己的API伺服器。

首先我們為您導覽一下怎麼做？

👉 接下來請你跟我這樣做

下載專案

git clone <https://github.com/RVC-Boss/GPT-SoVITS.git>
cd GPT-SoVITS

切到 fast_inference_ 分支

git checkout fast_inference_

Build Docker Image

./dockerbuild.sh

改docker compose配置

我們會需要加入command來執行api_v3

command:
      - python
      - api_v3.py

整個compose配置檔送給您：

version: '3.8'

services:
  gpt-sovits:
    image: breakstring/gpt-sovits:latest   # please change the image name and tag base your environment. If the tag contains the word 'elite', such as "latest-elite", it indicates that the image does not include the necessary models such as GPT-SoVITS, UVR5, Damo ASR, etc. You will need to download them yourself and map them into the container.
    container_name: gpt-sovits-container
    environment:
      - is_half=False
      - is_share=False
    volumes:
      - ./output:/workspace/output
      - ./logs:/workspace/logs
      - ./SoVITS_weights:/workspace/SoVITS_weights
      - ./reference:/workspace/reference
    command:
      - python
      - api_v3.py
    working_dir: /workspace
    ports:
      - "9880:9880"
      - "9871:9871"
      - "9872:9872"
      - "9873:9873"
      - "9874:9874"
    shm_size: 16G
    deploy:
      resources:
        reservations:
          devices:
          - driver: nvidia
            count: "all"
            capabilities: [gpu]
    stdin_open: true
    tty: true
    restart: unless-stopped

⭐️ 隱藏細節 - 掛載範例音檔

這邊要請您將一段5-10秒的範例音檔掛載到伺服器， 這樣我們產生tts語音的時候就能夠仿造範例音檔進行輸出。

|- reference
	|- sample.wav

接著我們啟動服務

docker compose up -d

試試以下的API

http://localhost:9880/tts?text=春天的花朵盛開鳥兒在樹上唱歌陽光灑在大地&text_lang=zh&ref_audio_path=reference/sample.mp3&prompt_lang=zh&text_split_method=cut5&batch_size=1&media_type=wav&streaming_mode=false&batch_size=4

我們在網頁上就能夠播放TTS所產生的音檔。

結語

假設我們想另外開發TTS的系統進行串接時， API就顯得非常重要， 也是最簡單的介接媒介， 因此學會 https://github.com/RVC-Boss/GPT-SoVITS 能夠讓我們更彈性的開發自己的TTS服務系統。