GPT-SoVITS-Server
轻量级语音克隆模型部署工具
GPT-SoVITS-Server是一个简化语音克隆模型部署的轻量级项目。无需复杂环境搭建，用户可在多种设备上轻松运行训练好的GPT-SoVITS模型，包括手机和服务器。项目适用于CPU推理，提供简化的代码结构和配置选项，便于新手使用。未来计划包括优化代码结构、增加语言支持和开发图形界面。
GPT-SoVITS-服务器
我在一台realme手机上运行了这个项目！
如果是在ubuntu上进行推理的话，你也可以看这里
这个项目的意义在于，如果你是一个应用者，可以完全舍弃源项目！ 不需要复杂的环境搭建，不需要下载特别庞大的整合包，只需要这个几M的小项目，就能把训练好的模型用起来。 我在一台手机上尝试完成的服务器部署，最能说明这一点。
以下内容基本没有必要看
GPT-SoVITS项目是目前为止最优秀的语音克隆项目。 很多朋友使用云端的模型训练工具完成声音克隆的模型训练，在推理合成时，其实不需要把完整的项目都克隆到本地，只需要从云端下载好模型文件，然后放在本地或者服务器上即可。 训练模型对算力要求很高，但推理合成其实可以用CPU也行——绝大多数的服务器其实都是CPU计算，GPU服务器太贵了。
自己也懒得在很复杂的文件体系中做配置，索性从源项目提取出来了这个项目，核心内容在server.py里面，大家可以修改里面的配置，然后使用即可。
这个版本删除了日语和英语，纯粹的中文。
系统环境：
依赖
pretrained_models下载地址：https://huggingface.co/lj1995/GPT-SoVITS/tree/main
把：chinese-hubert-base，chinese-roberta-wwm-ext-large下载后放到本地，记得修改server.py里面的路径即可。
windows
- 我在本地使用的是源项目提供的windows的runtime运行时环境，所以已经装好了依赖，如果有使用相同环境的，直接使用
../runtime/python.exe ./server.py即可。 - 切记下载ffmpeg.exe放在server.py同级目录；本项目已包含，linux下不需要，删除该文件即可
- server.py里面clean_path函数一定要看注释，修改一下；
云服务器 或者 自己的安卓手机
看文章开始的提示，直接看这里
优化方向
- 重新整理代码结构
- 把原来项目中的日语、英语部分重新融合进来
- 规范化代码实现
- 优化Windows和Linux的兼容性代码
- 优化代码运行速度
- 完整提取Windows部分的运行时，后期可以考虑用GUI进行封装
- 封装一个docker
完成Windows的GUI和云服务器的部署后，大家可以在云端训练模型，然后用CPU在云端或本地电脑进行推理，而不需要再去仔细研究完整的项目，对新手或应用型选手更加友好便捷。
编辑推荐精选
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号