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
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"
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
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
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"
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
POST方式调用,以json格式传参:
json
{
"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"
}
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:
json
{
"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"
}
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
css
{"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
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。