GPT-SoVITS：訓練聲音模組教學與心得(只要2分鐘，你聲音是我的了!)

我希望這個教學大家可以用在，小說配音或是影片旁白等等不違法不傷天害理的事情上，而不是用在〝詐騙〞犯罪等!

這幾天訓練聲音，還蠻順利的，為了這個聲音訓練，我也研究了不少資料，其中我有找到一個最清楚的教程且簡單的教程影片，我分享給大家看看

↓這個是一個叫痕继痕迹UP主播的教學，他講解得很詳細↓

邊看他的教學，邊操作，基本上沒捨麼問題

首先沒GPT-SoVITS安裝包的​請至上一篇這邊領取↓

GPT-SoVITS：免費開源聲音克隆專案及其功能-附一鍵安裝包

下載整合包之後，解壓一下，然後開啟GPT service資料夾，雙擊執行go webui

壹、再來你需要先準備素材

音頻素材只需要一分鐘兩分鐘都可以，長一點當然會更好，那他目前僅支援中文音訊用於訓練，未來會支援其他語言。

↓收集素材有幾個方式↓

1.手機錄音:

手機安卓可以用自帶的錄音機up記得把格式設定為wav以獲得更好的效果

iPhone可以用AVRX這樣的軟體在設定裡同樣選擇WAV格式進行錄製錄製，請記得環境確保沒有雜音

2.廣播劇或是聽書APP:

你可以選擇一些聽書軟體，比如說懶人聽書、喜馬拉雅、或是其他聽書平台，你可以下載他們的音檔，進行訓練，但最好抓多一點不同情感的音檔。

3.YOUTUBE等等社交媒體平台的，音檔通通都可以訓練。

youtube如何下載音檔?這邊小教學一下，你可以使用

將網址中的youtube

改成yout

然後就會進入這畫面，你就能下載wav檔案

貳、接下來開啟GPT-SoVITS WebUI→勾選UVR5-WebUI

耐心等待一下(※等待時間，稍微有點長※)，它會打開新的頁面，

• 一、將你的音頻文件檔案拖入到<代處理音頻文件夾路徑>的下方

• 二、按照上方的文字提示，到模型的框位置，找合適模型，

而想只保留人聲的，建議模型選擇HP2。

• 三、建立專用資料夾到GPT-SoVITS的根目錄內，

資料夾命名:根據個人喜好命名，而我命名:DATA，

然後DATA內要建立你的角色資料夾(以後要整理都以角色名稱下去整理)，

同時在你的角色資料夾內創建以下幾個資料夾，用來存不同數據

• 四、你將你的輸出音樂和人聲的路徑，複製起來，複製路徑方式在下圖

貼到<指定輸出人聲文件夾>你的文件夾設定uvr5_vocals

貼到<指定輸出非主人聲文件夾>你的文件夾設定uvr5_others

• 五、最後你設定好之後，可以按一下轉換，最右邊會跑出輸出訊息，你就可以到你設定的路徑，找你的檔案。

参、接下來要來切割音頻

• 一、首先到這個<音頻自動切分輸入路徑，可文件可文件夾>位置輸入音頻文件夾路徑(※文件夾是你的輸出人聲資料夾uvr5_vocals路徑※)

• 二、然後到<切分后的子音頻輸出根目錄>這邊放上你的要輸出切割的資料夾路徑 (※文件夾是你的輸出切割資料夾licer路徑※)

• 三、其餘參數都默認，只需要按一下語音切割即可。

• 四、 到你的slier資料夾內

上方黃色的點，按右建點選長度顯示，你就可以看到全部音檔的長度，不可以超過20秒，不然無法當素材取用，超過20秒的，需要將你的音檔全刪掉，重新調整參數切割。

肆、切割完成後，我們需要打標

• 一、將切割音檔slier資料夾複製路徑，粘貼<批量ASR(中文only)輸入文件夾路徑>

• 二、按<開始離線批量ASR> 需等待一段時間，等待<ASR進程輸出訊息>這邊顯示已完成才行

• 三、去資料夾找output/asr_opt路徑內，找slicer.list檔案，複製這個檔案的路徑

怎麼複製路徑:先點選檔案，再按上方的複製路徑。

將路徑複製到<打標數據標注文件路徑>內。

• 四、 <勾選語音文本校對標註工具>下方的<是否開啟打標Webui>勾選起來，等一段時間，它會打開新的分頁

• 五、聽音檔是否有根文本一樣，尤其是標點符號，語氣停頓的地方是否正確，需要檢查

如有錯誤要修改，那麼修改完成後，請一定要點Submit Text來儲存，點next index切換到下一頁，每次切換頁面之前一定要點這個Submit Text來儲存

然後點選Delete Audio是刪除音檔，點Merge Audio可以選兩個音頻合併，特別注意合併和刪除完畢都要要按Submit Text來儲存。

伍、校正完成後，頁面上方切換至1-GPT-SoVITS-TTS的頁面​

• 一、首先在<實驗/模型名>打上你訓練模型的名稱

• 二、到<文件標註文件>填入標註檔案的路徑 (※記住是檔案路徑喔，不是資料夾)

• 三、到<訓練集音頻文件>目錄填入切割好的音訊檔案路徑

• 四、設定好後，其他參數保持默認，然後到下方按<開啟一鍵三連>，在右邊顯示:一鍵三連進程結束，就說明處理完畢。

• 五、切換到<1B-微調訓練>的頁面，所有參數都默認，

• 六、按<開啟SoVITS訓練>，等待訓練時間會有點長，要耐心等待，直到右邊出現SoVITS訓練完成即可。

• 七、按<開啟GPT訓練>，等待訓練時間會有點長，要耐心等待，直到右邊出現GPT訓練完成即可。

• 八、如果出現這個錯誤

此時需要降低每張顯卡的batch size值，然後再次嘗試你可以每次減少4來看看能不能正常跑。

• 九、接下來，在根目錄找SoVITS_weights和GPT_weights資料夾內，可以找到模組。

SoVITS_weights副檔名是.ph，檔名會顯示訓練步數，比如s1080就是訓練1080步，e15就是訓練15輪。

GPT_weights副檔名是.ckpt，e10就是訓練10輪。另外GPT_weights的batch size值不可以設置太高。

★如果沒看到這些檔案，就代表你沒訓練成功，你就需看命令窗口是否跑出錯誤訊息。

• 十、訓練效果不好時，可以調整訓練倫數，拉高些，但不要太高，太高效果也不會太明顯。

最後需要注意保存頻率，這邊給大家一個保存模型數的公式

注意數值不用太高，保存過多模型，沒有意義。

陸、訓練完成後，使用推理，看看你模型效果。

• 一、首先點選刷新模型列表，先刷新

• 二、在GPT模型列表和SoVits模型列表找自己的模型

• 三、選完模型後，勾選是否開啟TTS推理WebUI

然後耐心等待推理頁面開啟

• 四、在這邊我們要先放入參考音頻，

注意↓

你訓練哪個人的聲音，就必須放那個人的素材聲音做參考。

參考音頻也不可以太長，個人建議5秒即可，太長會導致生成結果抽風。

• 五、上傳你的音訊素材，你可以從你切割完成的音訊選擇

• 六、設定你上傳音訊的文本以及設定你的參考音頻語言。(※如果你想獲得生氣的語音，你上傳的參考音頻就必須視生氣的音頻，以此內推)

• 七、接著輸入想要的文本，再設定語言。(※目前測試結果中文效果較好，其他語言有點bug)

• 八、最後點合成語音，你就會在下方看到合成出來的結果。(※即使是一樣的參數，你每一次合成的語音，效果也不會一樣。)

• 九、下載音頻，可以點擊右邊的三個點，可以下載

或是打開根目錄的TEMP資料夾，可以找到歷史的生成紀錄。

補充，如果你想要較長的文本，你須至下方文本切割工具，進行分割，左邊貼上你的文本，右邊依照你的需求去點擊切割即可。

❤️喜歡請按讚與追蹤喔!做這篇教學文，花我不少時間，只求你一個讚❤️