使用开源模型GPT_SoVITS训练自己的tts

GPT-SoVITS 是github上开一个开源的tts模型,可以基于用户上传的声音(哪怕只是一分钟的声音)得到用户声音模型,然后根据文字来生成语音。
项目还处于活跃的开发中,我上周测试的时候使用源代码还遇到了几次出错,所以改用docker来运行。

安装ffmpeg

1
apt install ffmpeg

安装ffmpeg的python扩展

1
pip3 install ffmpeg

安装gradio

1
pip3 install gradio

安装docker 和相关驱动包

1
2
3
4
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

参见nvidia-docker2

使用docker 运行:

1
2
3
4
5
6
7
RT=`pwd`/rt
mkdir $RT/output
mkdir $RT/logs
PWD=`pwd`
WT="$PWD/GPT-SoVITS/SoVITS_weights"
mkdir $WT
sudo docker run --rm -it --gpus=all --env=is_half=False --volume=/home/ubuntu/:/home/ubuntu/ --volume=$RT/output:/workspace/output --volume=$RT/logs:/workspace/logs --volume=$RT:/workspace/SoVITS_weights --workdir=/workspace -p 9870:9870 -p 9871:9871 -p 9872:9872 -p 9873:9873 -p 9874:9874 --shm-size="16G" -d breakstring/gpt-sovits

使用开源模型GPT_SoVITS训练自己的tts
https://404.ms/2024/02/19/glance-of-GPT-SoVITS-tts/
作者
rocky.x
发布于
2024年2月19日
许可协议