音频克隆-GPT-SoVITS

前面做了一个视频拆分工具，随便添加了音频的一些处理，有一个功能是视频+文字生成一个新的音频。

使用的是TTS进行处理的，效果不行。

 

所以这里介绍一个更加强大的开源工具：GPT-SoVITS、

 

一：开源仓库：

仓库：https://github.com/RVC-Boss/GPT-SoVITS

官方文档： https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e

 

 

下载安装各种包，然后下载已经训练好的模型

模型： https://huggingface.co/lj1995/GPT-SoVITS/tree/main

模型存放位置 GPT-SoVITS\GPT_SoVITS\pretrained_models

 

二：运行

python webui.py

#查看报什么错，差什么安装什么。
#注意安装  jieba_fast 时需要电脑已经安装了Visual Studio 桌面生成工具。因为它需要c++进行编译。
#如果编译失败，或者没有环境，可以试试我的方法：

　（1）下载：　http://cdnhandler.wordzhgame.net/audios/jieba_fast-0.53-cp311-cp311-win_amd64.whl

 （2）通过这个安装：pip install jieba_fast-0.53-cp311-cp311-win_amd64.whl

 

 

点击TTS推理按钮后，需要等待一段时间。它会自动打开另外要给窗口。

 

 

三：生成结果

关于模型的选择，可以参考官方文档：https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e

我比较喜欢的是 V3-V2Pro。

 

v2：不训练直接推v2底模

v2Pro：不训练直接推v2Pro底模

v2ProPlus：不训练直接推v2ProPlus底模

v3：不训练直接推v3底模

 

	v2	v3
v2
v2Pro
v2ProPlus

 

 这个是原始音频：

 

 

参考文档：

https://github.com/RVC-Boss/GPT-SoVITS

https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e