GPT-SoVITS RefAudio Tester

GPT-SoVITS 参考音频推理效果批量试听

🚩 简介

本项目是一个拥有 WebUI 的 GPT-SoVITS 批量推理器，旨在快速试听多个候选参考音频的推理效果，以筛选出其中效果最令人满意的参考音频。

推理部分的源码基于 RVC-Boss/GPT-SoVITS 修改，Gradio 部分的源码参考了 cronrpc/SubFix 的写法。

📥 部署

克隆

git clone https://github.com/2DIPW/GPT-SoVITS-RefAudio-Tester.git
cd GPT-SoVITS-RefAudio-Tester

安装依赖

本项目相比 RVC-Boss/GPT-SoVITS 而言没有引入更多的依赖，可以直接使用为其配置的环境。

配置预训练模型

与 RVC-Boss/GPT-SoVITS 中相同，需要将预训练模型放置于 GPT_SoVITS/pretrained_models 目录。

🗝 使用方法

准备自己训练的 GPT 和 SoVITS 模型

• 将自己训练的 GPT 模型放入 GPT_weights 目录

• 将自己训练的 SoVITS 模型放入 SoVITS_weights 目录

准备参考音频及参考音频注释列表文件

• 参考音频注释列表 .list 文件格式与 RVC-Boss/GPT-SoVITS 中相同：

  参考音频文件名或绝对路径|说话人|语言|参考文本
  

• 其中说话人虽然在本项目中无用，但为了与其他项目生成的 list 文件兼容，仍将其保留，可以随意填写。

• 语言字典：

  • "ZH": "中文"
  • "zh": "中文"
  • "JP": "日文"
  • "jp": "日文"
  • "JA": "日文"
  • "ja": "日文"
  • "EN": "英文"
  • "en": "英文"
  • "En": "英文"

• 示例：

  ATR_b102_006.wav|アトリ|jp|へっちゃらです。高性能ですから
  

  D:\xxx\ATR_b102_006.wav|アトリ|jp|へっちゃらです。高性能ですから
  

运行

• 使用webui.py

  python webui.py -l 参考音频注释列表文件 -f 参考音频所在目录 -b 10

  可指定的参数:
  • -l | --list: 参考音频注释列表文件的位置。默认值：ref.list
  • -p | --port: WebUI的监听端口。默认值：14285
  • -f | --folder: 参考音频所在目录。如果参考音频注释列表中第一列内容仅为文件名，或虽为绝对路径，但是音频文件已移动至其他位置，则需要指定该参数。程序会将指定的目录与文件名拼接，作为最终的参考音频文件路径。 默认值：None
  • -b | --batch: 每一批最多处理多少个音频。因 Gradio 不支持动态增减控件数量，此值需要预先指定以生成控件，且在运行过程中无法修改。默认值：10
  • -cd | --check_duration：是否检查音频时长。启用此选项后，在启动时会检查每条音频时长是否在 3~10s 的范围内，若不在则不会加载。若准备的参考音频中均无时长超过范围的，可不开启此项，以缩短启动时间。默认值：不启用
  • -r | --random_order：是否乱序参考音频列表。启用此选项后，将会把从文件中读取的参考音频列表打乱顺序。默认值：不启用
• 在试听文本中填入用来测试推理效果的文本，点击合成试听语音，即可为当前批次的参考音频生成对应的试听音频。
• 在满意的参考音频复制到中设置目的目录，在点击音频旁的满意按钮后，该条参考音频将以{参考文本}.wav的文件名复制到该目录。

⚖ 开源声明

本项目基于 RVC-Boss/GPT-SoVITS 修改，并以 GNU General Public License v3.0 开源

本项目基于 LGPL 2.1 协议包含一份 FFmpeg 的可执行文件

世界因开源更精彩