网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务

开始使用

更新时间:2024-03-25 GMT+08:00
分享
说明:
  • 有关GPT-SoVITS详细使用指导请参考官方视频GPT-SoVITS指南
  • 涉及到GPT-SoVITS的业务端口如下:
    • 9874:GPT-SoVITS WebUI主页面访问端口
    • 9873:UVR5 音频处理WebUI页面访问端口
    • 9872:TTS推理WebUI页面访问端口
    • 9871:语音文本校对页面访问端口
    • 22:用于登录Linux弹性云服务器,默认只对VPC 子网网段开放,用户需要修改该白名单用户IP
  • 后续文档将展开GPT-SoVITS的基础使用说明

安全组规则修改(可选)

安全组实际是网络流量访问策略,包括网络流量入方向规则和出方向规则,通过这些规则为安全组内具有相同保护需求并且相互信任的云服务器、云容器、云数据库等实例提供安全保护。

如果您的实例关联的安全组策略无法满足使用需求,比如需要添加、修改、删除某个TCP端口,请参考以下内容进行修改。

  • 添加安全组规则:根据业务使用需求需要开放某个TCP端口,请参考添加安全组规则添加入方向规则,打开指定的TCP端口。
  • 修改安全组规则:安全组规则设置不当会造成严重的安全隐患。您可以参考修改安全组规则,来修改安全组中不合理的规则,保证云服务器等实例的网络安全。
  • 删除安全组规则:当安全组规则入方向、出方向源地址/目的地址有变化时,或者不需要开放某个端口时,您可以参考删除安全组规则进行安全组规则删除。

GPT-SoVITS WebUI应用使用

说明:

该程序的使用主要分为以下几个步骤,用户可以根据实际需要选择执行。

  • UVR5人声伴奏分离&去混响(可选)

    该步骤主要是提取音频文件中的纯人声,以便于后续使用。如果音频文件中没有背景音乐或者其他伴奏,则可以跳过该步骤。分离好的语音文件默认在/home/project/GPT-SoVITS/output/uvr5_opt这个文件夹下,处理完的音频文件带vocal字样的是人声。

  • 语音切分(必选)

    对纯人声音频文件进行语音切割。切分完后文件默认在/home/project/GPT-SoVITS/output/slicer_opt这个文件夹下。

  • 中文批量离线ASR工具(必选)

    该步骤用于语音识别。达摩ASR只能用于识别中文,fast whisper可以标注99种语言。输出文件默认在/home/project/GPT-SoVITS/output/asr_opt这个路径下,会有一个.list文件,需要对该文件进行改名。

  • 语音文本校对标注(可选)

    对list文件进行文字校对,修改每一句话的停顿,让AI学习到每个字该怎么读。对于后续的模型训练会很有帮助。

  • 训练集格式化(必选)

    设置一个模型名,对该模型进行训练。

  • 微调训练(必选)

    对模型进行微调,得到SoVITS和GPT两个模型,模型分别在/home/project/GPT-SoVITS/SoVITS_weights和/home/project/GPT-SoVITS/GPT_weights目录下。

  • 推理(必选)

    即文本转语音。输入文本,用上述步骤训练出来的模型,生成新的语音。

  1. 进入华为云找到弹性云服务器 ECS控制台,找到本方案创建的云服务器。

    图1 GPT-SoVITS WebUI服务器

  2. (可选)用户可以通过查看环境部署脚本日志,判断当前环境是否准备好。登录服务器,输入tail -f /tmp/install_gptsovits.log,查看回显如下图所示,则代表服务器环境搭建成功。退出查看日志,在键盘同时按下“Ctrl+C”。

    图2 环境部署脚本日志

  3. 查看快速部署 步骤3.2-9访问说明,即在浏览器中输入http://EIP:9874,其中EIP为服务器公网IP,访问GPT-SoVITS WebUI页面。

    图3 GPT-SoVITS WebUI应用界面

  4. GPT-SoVITS应用运行日志路径为:/home/project/GPT-SoVITS/webui.log。登录服务器,输入tail -f /home/project/GPT-SoVITS/webui.log,可以查看该服务区运行过程中的动态日志。

    图4 应用系统日志

  5. 查看当前服务运行的进程ID。在服务器输入ps -ef | grep webui.py命令,查看当前服务运行的进程ID。

    图5 进程ID

  6. 关闭服务。在服务器输入kill -9 +进程ID,即可关闭服当前运行的服务。
  7. 重新启动服务。在服务器中输入以下命令,重新在后台运行服务。

    conda activate GPTSoVits
    cd /home/project/GPT-SoVITS/
    python3 webui.py > /home/project/GPT-SoVITS/webui.log 2>&1 &
    图6 启动服务

UVR5人声伴奏分离&去混响(可选)

  1. 勾选Open UVR5-WebUI(处理完成后可去勾选节省内存),待右侧框中出现“UVR5 opened”后,打开新的窗口输入http://EIP:9873。

    图7 打开UVR5-WebUI
    图8 UVR5-WebUI

  2. 上传需要处理的音频文件(时长1分钟到30分钟)到服务器并记录文件夹路径,或者直接拖拽文件到浏览器页面指定位置。根据页面提示说明选择合适的模型处理音频,选择需要的文件格式,单击“Covert”进行音频处理。

    图9 音频处理

  3. 待页面出现“Success”后,代表音频文件处理成功。登录服务器,进入“/home/project/GPT-SoVITS/output/uvr5_opt/”目录,即可找到伴奏分离的音频文件。删掉不需要的伴奏文件,保留带vocal字样的人声文件。

    图10 音频处理完成
    图11 分离后的音频文件

语音切分(必选)

  1. 上传纯人声音频文件到服务器,在GPT-SoVITS WebUI页面,输入纯人声音频文件或处理后的纯人声音频文件所在目录,单击“Start audio slicer”,进行音频切割。

    图12 语音切割

  2. 页面出现“切割结束”,即代表语音文件切割完成。默认文件路径/home/project/GPT-SoVITS/output/slicer_opt/。

    图13 语音切割完成

  3. 登录服务器,查看切分后的音频文件。

    图14 语音片段文件

中文批量离线ASR工具(必选)

  1. 以中文音频为例,在GPT-SoVITS WebUI页面,输入切割好的音频文件所在目录,单击“Start bach ASR”,进行语音转文字。

    图15 中文音频ASR处理

  2. 页面出现“ASR任务完成,查看终端进行下一步”,即代表语音转文字文本文件生成成功。默认文件路径/home/project/GPT-SoVITS/output/asr_opt。

    图16 ASR处理完成

  3. 登录服务器,查看文本文件.list,给文件重新修改一个名字(支持字母、数字、下划线),并保存。

    图17 list文件

语音文本校对标注(可选)

  1. 在GPT-SoVITS WebUI页面,输入ASR工具处理好的list文件的路径(注意不是文件夹路径,需要带上文件名),勾选“Open labelling WebUI”,待页面出现“proofreading tool webui is opened”,打开新的窗口输入http://EIP:9871。

    图18 开启Gradio WebUI

  2. 在新打开的页面,对照语音和文本。根据需要,调整文本,例如标点符号和停顿位置一致和错别字。修改完成后单击“Submit Text”提交修改。

    图19 文本校对

训练集格式化(必选)

  1. 在GPT-SoVITS WebUI页面,单击“1-GPT-SOVITS-TTS”,对模型进行训练。

    图20 GPT-SOVITS-TTS界面

  2. 输入模型名字(model name)、list文件所在路径(Text labelling file)以及切割后的音频文件所在目录(Audio dataset folder)。

    图21 模型参数填写

  3. 向下滚动页面,单击一键三连“Start one-click formatting”,开始对模型进行初步训练。

    图22 一键三连

  4. 训练完成后,页面显示如下。

    图23 一键三连完成

微调训练(必选)

  1. 在“1-GPT-SOVITS-TTS”页面,单击“1B-Fine-tuned training”,对模型进行微调。

    图24 微调训练

  2. 保持默认参数,单击“Start SoVITS training”,进行SoVITS模型训练(如果有报错,减小Batch size per GPU数值)。

    图25 SoVITS模型训练

  3. SoVITS模型训练完成后,页面显示如下。

    图26 SoVITS模型训练完成

  4. 向下滚动页面,保持默认参数,单击“Start GPT training”,进行GPT模型训练(如果有报错,减小Batch size per GPU数值)。

    图27 GPT模型训练

  5. GPT模型训练完成后,页面显示如下。

    图28 GPT模型训练完成

推理(必选)

  1. 在“1-GPT-SOVITS-TTS”页面,单击“1C-inference”,准备开始推理。

    图29 推理

  2. 单击“refreshing model paths”,刷新模型路径,即可选择上面训练好的模型。

    图30 刷新模型路径

  3. 选择任一模型,勾选“Open TTS inference WEBUI”,待页面出现“TTS inference process is opened”则开启成功。

    图31 开启TTS推理页面WebUI

  4. 打开新的窗口输入http://EIP:9872,其中IP为服务器公网IP,进入TTS推理页面WebUI。

    图32 推理页面

  5. 上传一段3-10秒长的同一目人物参考音频文件。建议是数据集中的音频,推荐5秒时长,填写参考音频的文本。输入需要转语音的文本,单击“Start inference”开始进行语音合成。

    图33 语音合成参数配置

  6. 语音生成完成后,如下所示。

    图34 文本生成语音

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容