GPT-SoVITS项目的API改良与使用

mortimer
2,013 阅读6分钟

GPT-SoVITS是一个非常棒的少样本中文声音克隆项目，之前有一篇文章详细介绍过如何部署和训练自己的模型，并使用该模型在web界面中合成声音，可惜它自带的 api 在调用方面支持比较差，比如不能中英混合、无法按标点切分句子等，因此对原版api做了修改，详细使用说明如下。

修改后代码开源地址：github.com/jianchang51…

代码下载地址 github.com/jianchang51…

api2.py 使用示例

下载解压 github.com/jianchang51… ，将 api2.py 复制到GPT-SoVITS软件目录下，执行命令同自带api.py一样，只需要将名字 api.py 改成 api2.py。默认端口也是 9880，默认绑定 127.0.0.1

效果音频，听听这是谁

启动默认模型并指定默认参考音频 -dr -dt -dl

假设参考音频要使用根目录下的 123.wav ,音频文字是 “一二三四五六七。” ，音频语言是中文，那么命令如下：

.\runtime\python api2.py -dr "123.wav" -dt "一二三四五六七。" -dl "zh"

image.png

Linux下命令去掉 .\runtime\ 即可

如上述命令这样在启动后，指定的参考音频将作为默认配置，在api请求数据中未指定参考音频时，将使用。

启动默认模型并指定ip地址和端口 -a -p

假设要指定绑定内网ip 192.168.0.120 ，端口要使用 9001，不指定默认参考音频，那么执行如下命令:

.\runtime\python api2.py -a "127.0.0.1" -p 9001

image.png

启动自己训练好的模型 -s -g

在指定自己的模型时，必须确保同时指定参考音频。

训练好的模型可分别在软件目录下的 GPT_weights 和 SoVITS_weights 目录下寻找，以你训练时命名的模型名称开头，后跟e数字最大的那个即可。

.\runtime\python api2.py -s "SoVITS_weights/你的模型名" -g "GPT_weights/你的模型名" -dr "参考音频路径和名称" -dt "参考音频的文字内容，使用双引号括起来，确保文字内容里没有双引号" -dl zh|ja|en三者选一

image.png

强制在CPU上推理 -d cpu

默认将优先使用 CUDA 或 mps(Mac), 如果你想指定在CPU上运行，可以通过 -d cpu 指定

.\runtime\python api2.py -d cpu

注意 -d 后只能是 cpu 或 cuda 或 mps，并且只有在正确配置 cuda 后才能指定 cuda，只有Apple CPU Mac上才能指定 mps

全部按照默认运行

.\runtime\python api2.py

这种方式将使用默认模型，并且在 api 请求时必须指定参考音频、参考音频文字内容、参考音频语言代码，api 监听 9880 端口

可使用的语言代码 zh ja en

仅支持 中文、日语、英语 三种语言，对应只可使用 zh(代表中文或中英混合)、ja(代表日语或日英混合)、en(代表英语)，使用 -dl 指定，如 -dl zh,-dl ja,-dl en

参考音频路径 -dr

参考音频填写以软件根目录为起点的相对目录，假如你的参考音频是直接放在软件根目录下，那么只需要填写带后缀的完整名字即可，比如 -dr 123.wav,如果是在子目录下，比如在 wavs 文件夹下，那么填写 -dr "wavs/123.wav"

参考音频的文字内容 -dt

参考音频的文字内容就是音频里的说话文字，需要正确填写标点符号，并使用英文双引号括起来。请注意，文字中不要再有英文双引号。

-dt "这里填写参考音频的文字内容，不要含有英文双引号"

image.png

可用的命令行参数:

模型相关参数

-s SoVITS模型路径, 默认模型无需填写，自训练模型在 SoVITS_weights 目录下

-g GPT模型路径, 默认模型无需填写，自训练模型在 GPT_weights 目录下

参考音频相关参数

-dr 默认参考音频路径，如果在根目录下，直接填写带后缀名字，否则加上 路径/名字

-dt 默认参考音频文本，音频的文字内容，以英文双引号括起来

-dl 默认参考音频内容的语种, "zh"或"en"或"ja"

设备和地址相关参数

-d 推理设备, "cuda","cpu","mps" 只有配置好了cuda环境才可指定cuda，只有Apple CPU上才可指定mps

-a 绑定地址, 默认"127.0.0.1"

-p 绑定端口, 默认9880

不常用参数，新手可忽略不必设置

-fp 使用全精度

-hp 使用半精度

-hb cnhubert路径

-b bert路径

API调用示例:

调用地址url: http://你指定的ip:指定的端口，默认是 http://127.0.0.1:9880

调用时不指定参考音频

启动 api2.py 时必须指定默认参考音频，才可在调用api时不指定，否则将报错:

GET方式调用，可直接浏览器中打开：

http://127.0.0.1:9880?text=亲爱的朋友你好啊，希望你的每一天都充满快乐。&text_language=zh

image.png

POST方式调用，以json格式传参:

{
    "text": "先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。",
    "text_language": "zh"
}

image.png

手动指定当次所使用的参考音频:

GET方式:

http://127.0.0.1:9880?refer_wav_path=wavs/5.wav&prompt_text=为什么御弟哥哥，甘愿守孤灯。&prompt_language=zh&text=亲爱的朋友你好啊，希望你的每一天都充满快乐。&text_language=zh

POST方式:

{
    "refer_wav_path": "wavs/5.wav",
    "prompt_text": "为什么御弟哥哥，甘愿守孤灯。",
    "prompt_language": "zh",
    "text": "亲爱的朋友你好啊，希望你的每一天都充满快乐。",
    "text_language": "zh"
}

image.png

Api调用返回信息:

成功时: 返回 wav 音频流，可直接播放或保存到 wav文件中，http 状态码 200

失败时: 返回包含错误信息的 json, http 状态码 400

{"code": 400, "message": "未指定参考音频且接口无预设"}

问题：想切换模型怎么办

api2.py和官方原版api.py 一样都不支持动态模型切换，也不建议这样做，因为动态启动加载模型很慢，而且在失败时也不方便处理。

解决方法是： 一个模型起一个api服务器，绑定不同的端口，在启动 api2.py 时，指定当前服务所要使用的模型和绑定的端口。

比如起2个服务，一个使用默认模型，绑定 9880 端口，一个绑定自己训练的模型，绑定 9881 端口，命令如下

默认模型 9880 端口: http://127.0.0.1:9880

.\runtime\python api2.py -dr "5.wav" -dt "今天好开心" -dl zh

自己训练的模型: http://127.0.0.1:9881

.\runtime\python api2.py -p 9881 -s "SoVITS_weights/mymode-e200.pth" -g "GPT_weights/mymode-e200.ckpt" -dr "wavs/10.wav" -dt "御弟哥哥，为什么甘愿守孤灯" -dl zh

image.png

在视频翻译软件中使用

如下图所示，打开 菜单-设置-GPT-SoVITS ，填写api地址，以及参考音频， 填写格式为一行一个参考音频


参考音频路径带后缀名称1#参考音频1文字内容#参考音频1语言
参考音频路径带后缀名称2#参考音频2文字内容#参考音频2语言

详细说明可看上一篇文章 在其他软件中调用GPT-SoVITS将文字合成语音

image.png

小技巧

中英混合的句子如何取得更好的训练效果：

英文单词前后要留有空格，不要直接和汉字连在一起，因为英文是靠空格区分的，如果连在一起，可能无法正确识别。

此api2.py 兼容视频翻译配音软件的 GPT-SoVITS 声音合成功能

avatar
文章
阅读
粉丝