使用iOS个人声音与SoVITS训练个人AI语音（10分钟快速上手）

序言：最近在抖音上频繁看到曼波唱歌的视频和各种AI语音的搞笑短片，加上年后新购置的M2硬盘终于提供了足够的存储空间，让我有机会深入研究AI语音训练。24年年初我就想进行AI语音训练，但苦于语音素材难以获取，这次有了iOS收集素材就方便多了。在公司闲暇时，我摆弄着自己的iPhone 12，偶然发现了"个人声音"这一新功能，它允许用户在手机上训练一个基础的AI模型。我意识到可以将自己录制的150条语音导出，并通过查阅资料了解到可以利用SoVITS进行语音模型训练。因此，我撰写这篇教程，旨在记录并指导大家如何使用iOS手机收集语音素材，并利用SoVITS训练出属于自己的AI语音。

一、介绍

iOS 17引入的"个人声音"功能：允许用户通过录制一系列短语生成自定义语音，适用于语音助手、朗读文本等场景，特别适合有语言障碍的用户。该功能需在iOS 17及以上版本使用，注重隐私保护，所有数据处理均在设备本地完成。

GPT-SoVITS ：由花儿不哭开发，是一款低成本AI音色克隆软件，目前支持TTS（文字转语音）功能，未来将支持变声功能。请注意，GPT-SoVITS的正确缩写是GSV，不要与So-VITS-SVC混淆。

PyCharm：JetBrains开发的Python IDE，提供代码编辑、调试等功能，支持跨平台使用，有免费社区版和付费专业版

二、训练准备

2.1 语音素材准备/导出

打开设置 -> 辅助功能 -> 个人声音。
如果没有个人声音，选择新建并按照系统指引录制素材。
录制完成后，点击导出录音，将压缩包复制到电脑。

2.2 下载GPT-SoVITS

点击此处，选择合适的方式进行下载。

三、开始训练

3.1 离线批量ASR

将导出的语音包解压到电脑（如Z:\sovit-data-mother\TrainingData）。
运行GPT-SoVITS-v2-240821中的go-webui.bat启动SoVITS。
在Web页面中找到"离线批量ASR"模块，输入语音包路径（如Z:\sovit-data-mother\TrainingData）和输出路径（如Z:\sovit-data-mother\TrainingData\out\asr_opt）。
点击"开始离线批量ASR"，等待任务完成。

当出现"ASR任务完成,查看终端进行下一步"时,ASR步骤结束。

3.2 打标WebUI模块

我们视野转到打标WebUI模块

有两种方式处理打标(文字修正/打标)

3.2.1 通过开启打标WebUI对照metadata_data.json手动调整(不推荐)

点击开启打标WebUI，以记事本方式打开metadata_data.json。

注意!打开以后,每一行展开后的格式都为下边所示，找到每一行的关键词words 和utterance_name

json 复制代码

{

	"transcription":"S ... ~",

	"sentence_idx":0,

	"locale":"cmn-CN",

	"sentence_estimated_duration":2.75,

	phone_sequence:"S ...5",

	"words":"时间不早了，今天先到这里吧。",

	"utterance_name":"EExpG_4",

	"script_title":"exclamations",

	"paragraph_idx":4

}

视野转到打标webUI，左边的text文本框中的文本内容有部分错误，按照metadata_data.json进行调整。

3.2.2 通过Pycharm执行python脚本批量处理打标。（推荐）

视野转到主页面中的打标webUI模块，注意下边的.list标注文件的路径

找到并打开TrainingData.list文件,以记事本方式打开,如下如图

以记事本形式打开metadata_data.json ，在文件头键入' [ ',文件尾键入' ] '，使得***[]***将文件内容包裹住，如下图所示

然后点击替换，查找内容:' } '，替换为' }, '，点击全部替换。

打开Pycharm，新建py脚本文件，将下列代码复制粘贴，并执行:

python 复制代码

    import json
if __name__ == "__main__":
    # 读取 JSON 文件,下边的路径填你自己的路径
    with open('Z:\sovit-data-mother\TrainingData\metadata_data.json', 'r', encoding='utf-8') as file:
        data = json.load(file)

    # 遍历并提取 utterance_name 和 words
    for item in data:
        utterance_name = item.get('utterance_name')
        words = item.get('words')
		#下边的输出内容参考你自己的路径
        if utterance_name and words:
            print('Z:\sovit-data-mother\TrainingData\{}.caf|TrainingData|ZH|{}'.format(utterance_name,words))

观察pycharm控制台输出如下: