GPT-SoVITS Windows 配置与推理笔记(自用)

GPT-SoVITS Windows 配置与推理笔记(自用)

这是给自己留的备份,方便下次查。Windows 端配置和推理为主,代码为核心,直接干货。

环境准备
  • 系统:Windows 10/11
  • Python:3.9(别用别的版本,坑多)
  • GPU(可选):NVIDIA + CUDA 11.8(没 GPU 也能跑,慢点)
  • FFmpeg:解压后扔根目录(最新版自带,但建议手动确认)
下载与安装

Git 下载(可选):

bash 复制代码
git clone https://github.com/RVC-Boss/GPT-SoVITS.git

或者直接去 GPT-SoVITS 项目页,点"Code"按钮,选"Download ZIP"。解压到 D:\GPT-SoVITS(路径自己定)。

进去后双击 go-webui.bat,第一次跑会自动装依赖和下载模型。需要啥提前装好:

  • Python 3.9:

    bash 复制代码
    python --version  # 检查是不是 3.9.x
  • FFmpeg(最新版 GPT-SoVITS 自带,但建议手动放一份):
    下载后放 D:\GPT-SoVITS,验证:

    bash 复制代码
    ffmpeg -version
依赖安装(如果自动失败)

go-webui.bat 一般自动搞定,但要是卡住(比如网络问题),手动敲:

bash 复制代码
python -m venv venv
venv\Scripts\activate
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

PyTorch 按需装:

  • GPU:

    bash 复制代码
    pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

    (CUDA 版本不对就去 PyTorch 官网 找对应链接)

  • CPU:

    bash 复制代码
    pip install torch torchvision torchaudio

检查:

bash 复制代码
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"
运行 WebUI

双击 go-webui.bat,会弹地址:

复制代码
http://127.0.0.1:9880

浏览器打开。界面分几个Tab,我只用推理:

  • 模型选择:挑 GPT 和 SoVITS 权重
  • 音频输入:初始音频
  • 文本输入:想说的内容
  • 生成按钮:点一下出结果

坑 :推理界面,选完模型点"刷新"后,必须勾选 [开启TTS推理WebUI],不然不会跳到语音合成页面。

推理步骤
  1. 权重放好:
  2. 初始音频:3-10 秒 WAV,上传到 WebUI,音色全靠它。
  3. 输入文本:"测试一下"之类,选好权重,点生成,底下出音频。
  4. 文本太长:用"切分"功能,分段处理,不然容易崩。
注意
  • 音色偏向初始音频,选清晰的,别含背景杂音。
  • 想"唱歌":用 UVR5(tools/uvr5/ 下有)分解人声,每段推理再拼,效果更像原唱。
  • 推理时间:GPU 快,CPU 得等几秒。
问题
  • WebUI 打不开:端口 9880 被占,编辑 go-webui.bat,改成别的(比如 9881)。
  • 依赖装不上:换源,或确认 Python 是 3.9。
  • 模型加载失败:检查权重路径和文件名,别多空格或中文。
补充
  • 初始音频质量:录个干净的,别用手机随便录,杂音多效果差。
  • 权重版本:B站那个碧蓝档案的模型可能更新,下载前看下评论确认兼容。
相关推荐
智联视频超融合平台23 分钟前
消防宣传月过半,“AI+消防“给视频平台换了张考卷
人工智能·边缘计算·视频监控·安防·视频联网
冬奇Lab1 小时前
一天一个开源项目(第262篇):AG-UI —— 把 AI Agent 接进前端的开放协议,和 MCP、A2A 并列的第三块拼图
人工智能·开源
罗西的思考2 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes3 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV3 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J4 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
小七在进步4 小时前
string的实现(1)
c++·笔记·visual studio
IT_陈寒4 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术5 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能
字节跳动开源5 小时前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·开源·设计