使用 GPT-SoVITS 克隆声音，很详细
一、前言
最近对文本转语言很感兴趣，但对直接在网站上生成的音频音色却不是很满意，经过一番寻找，发现了"GPT-SoVITS" ，对想要的声音进行克隆。
二、下载
可以到这里下载
下载后解压即可
这里将其解压到如下目录：
E:\software\gpt-sovits
三、启动
进入"安装目录\GPT-SoVITS-v2-240821\GPT-SoVITS-v2-240821"
双击"go-webui.bat"即可
会出现一个黑窗口
启动成功会打开浏览器跳转到这个页面
四、克隆声音
1、准备克隆音频
先准备好想要提起的声音，这里以克隆芭芭拉的声音为例
可以到这里下载原音频
下载后将其放到某个文件夹中，这里放到
F:\file\GptSovitsFile\sucai\芭芭拉
2、分离人声伴奏
回到"GPT-SoVITS"中，点击开启"UVR5-WebUI"
稍等一会儿后会跳转到新的页面
选择模型，一般选择"HP2_all_vocals"即可，也可以阅读上方解释，选择适合自己的模型
模型介绍：
bash
HP2_all vocals：人声伴奏分离模型，提取音频中所有人声部分和背景音部分。
HP5_only_main_vocal：提取音频中的主唱人声，排除和声和伴唱，适合处理歌曲。
model_bs_roformer_ep_317_sdr_12.9755：去掉混音中的干扰成分，增强信噪比。
onnx_dereverb_By_FoxJoy：去混响模型，减少音频中由于环境回声或混响造成的声音模糊。
VR-DeEchoAggressive：去回声模型，针对严重的回声进行处理，偏向"激进处理"。
VR-DeEchoDeReverb：结合去回声和去混响的双重功能，处理音频中的回声和混响问题。
VR-DeEchoNormal：去回声模型，适用于一般程度的回声处理，偏向"温和处理"。
接着输入存放待分离音频路径，前面已经提到将其放到
F:\file\GptSovitsFile\sucai\芭芭拉
指定输出主人声文件夹和指定输出非主人声文件夹保持默认即可
分类之后会保存在"安装目录\GPT-SoVITS-v2-240821\GPT-SoVITS-v2-240821\output\uvr5_opt"
再选择导出文件格式，这里选择 wav
最后点击转换
看到成功的信息表示转换完成
再查看输出目录 uvr5_opt
两条音频都试听一下，找出人声音频，因为要克隆声音，伴奏音频没用，这里将其删除了
这时就可以回到主界面，关闭"UVR5-WebUI"
3、音频分割
这里主要针对长音频，如果音频本来就不长，就不需要分割了
回到这界面，已知上面分离的音频保存在"安装目录\GPT-SoVITS-v2-240821\GPT-SoVITS-v2-240821\output\uvr5_opt"路径
这里路径为：
E:\software\gpt-sovits\GPT-SoVITS-v2-240821\GPT-SoVITS-v2-240821\output\uvr5_opt
将文件夹路径放到切分输入路径
点击开启语言切割
看到输出信息显示"切割结束"表示切割完成
4、语音降噪
主要是处理有杂音的音频，如果音频干净可不降噪，直接点击"开启语言降噪即可"
看到降噪输出信息提示降噪完成即可
完成后可在"output"下生成"denoise_opt"文件夹
里面就是降噪的音频
原来的音频就干净，降噪后对比原音频只是小声了点
5、ASR工具
这一步主要是生成带时间戳的文本，如果需要的是中文，默认即可。
点击"开启离线批量ASR"
看到输出提示完成即可
生成文件在"asr_opt"文件夹
文件内容如下
6、语音文本校对标注工具
这一步主要是校对文本 ASR 工具生成的文本是否正确，对错误的文本进行修改。
保持默认，点击"开启打标WebUI"即可
会跳转到一个新的页面
因为音频比较短，这里只有一段文本如果音频较长，这里是有多段文本的
检查文本框中的文本是否正确，不正确则进行修改，为了防止出错，建议修改一段点一下"Submit Text"
这里原文本为：
你喜欢麻辣小鱼干吗？我这还有两条，那给你一条。
将其改为：
你喜欢麻辣小鱼干吗？我这还有两条，呐~给你一条。
确认无误之后回到主界面，点击"关闭打标WebUI"
7、训练模型
承接上面，将主界面拉到最顶部，选择"1-GPT-SoVITS-TTS"
为你的模型取一个名字，这里取名"bbl"
其他不用修改，拉到最下面，点击"开启一键三连"
看到结束的提示即可
这一步是把你的声音样本转换成项目训练模型支持的特定格式，会在日志文件夹"logs"下生成以前面模型命名的文件夹（bbl）
里面文件如下
8、微调训练
承接上面的主界面，网上拉到命名模型那一部分，点击"1B-微调训练"
参数默认即可，先"开启SoVITS"
等待训练完成
因为本次使用的是"v2"版本的"GPT-SoVITS"，生成的模型保存在"安装目录\GPT-SoVITS-v2-240821\GPT-SoVITS-v2-240821\SoVITS_weights_v2"
模型如下
为什么是两个模型？（总训练轮数）/（保存频率）
接着点击"开启GPT训练"
等待训练完成
因为本次使用的是"v2"版本的"GPT-SoVITS"，生成的模型保存在"安装目录\GPT-SoVITS-v2-240821\GPT-SoVITS-v2-240821\GPT_weights_v2"
模型如下
同样，三个模型是因为（总训练轮数）/（保存频率）
9、推理
承接上面的主页面，将其往上拉到命名模型下方，点击"1C-推理"
选择GPT、SoVITS模型，如果没有看到就点击一下"刷新模型路径"
选择参数最大的模型，效果最好
勾选"启用并推理版本"，再点击"开启TTS推理WebUI"
会跳转到一个新页面
这是模型区，如果在主界面忘记选，可以在这里选，一般选择参数最大的，效果最好
这是推理区，可以将前面处理好的音频拖入，比如前面降噪后的音频
再加上音频台词，就是对应音频的台词
你喜欢麻辣小鱼干吗？我这还有两条，呐~给你一条。
最后在右边添加需要生成音频的文本，这里是：
从来生死都看淡
推理设置保持默认即可，点击"合成语音"就会生成对应音频
最后是文本切分区，如果文本很长，可以先放到左边，点击切分，切分方式保持默认，再将右边切分好的文本放到文本生成音频区域
