app_file	colorFrom	colorTo	emoji	license	pinned	sdk	sdk_version	title
app.py	indigo	blue	💡	mit	false	gradio	4.19.2	GSVI Tiny

概述

这是一个便捷的项目用于快速将您的GPT-soVITS模型上传到 modelscope 或者 Hugging Face 或任意支持gradio的空间 ，让所有人可以免费体验。

优点

1. 推理速度较快（核心代码使用fast_inference_分支）
2. 引入缓存机制，切换参考音频需要时间约为0
3. 模型以文件夹形式存在，方便分享
4. 可以自行指定角色和情绪
5. 界面比较好看

如何使用

使用一键上传整合包

到地址下载整合包（地址待修改），按照其提示运行bat即可

手动上传到各种空间

1. git clone https://github.com/X-T-E-R/Tiny_GSVI.git
2. 将模型放到trained文件夹下
3. 将预训练模型放到pretrained_models文件夹下
4. 删去.gitignore的trained / pretrained_models这两行
5. 书写Information.md
6. 修改Readme.md （本文件）: 一般推荐只需要修改title和emoji
7. 然后通过git工具上传到各种空间

上传前的git命令

git lfs install
git add .
git commit -m "Automated commit from batch script"
git gc
git lfs ls-files
git remote add origin %url%
git pull --strategy-option=ours origin master --allow-unrelated-histories
git push origin master

参数与要求

空间要求

Hugging Face

能使用，无特别要求

创空间（modelscope）

要求选择ubuntu22.04-py310-torch2.1.0-tf2.14.0-modelscope1.10.0这一个镜像版本

调整参数

在config.json ，您可以重点关注：

"locale": "zh_CN",
"max_text_length": 70,
"save_prompt_cache": "true",

• locale代表您选择的语言，当您想使用中文时可以切换成zh_CN
• max_text_length仅仅限制输入框的最大字数（英文按词算，中日文按字算），因为免费的空间实在是太卡了
• save_prompt_cache代表是否保存参考音频的向量到磁盘，会显著加速，建议开启

模型需求

对于模型，整体来说，您需要把从一个到一连串的文件夹放置在trained文件夹内

1. 文件夹名称

文件夹名称就是角色名称

2. 文件夹内容

里面应该至少有3个文件，以pth/ckpt/wav后缀名结尾

wav文件请命名成它包含的提示文本，时长在3-10s内。

3. json文件

您可以通过模型管理界面或文本编辑器来编辑infer_config.json，里面的内容是参考音频配置。

更多参考音频与情绪配置相关请参见参考音频说明 (yuque.com)

有关代码与引用

1. 内部的 Adapters/gsv_fast 文件夹、i18n来自GPT-soVITS项目的fast_inference_分支

2. app.py 主要来自原项目的一个fork GSVI

3. 架构形式来自：Uni-TTS-API ，把GPT-soVITS作为一个适配器，可以更通用的使用各种语音项目

版权问题

请仔细阅读本项目与GPT-soVITS项目的LICENSE，发布作品请严格标注项目作者、模型训练者、声音归属及链接，并注明作品使用GPT-SoVITS AI生成，本项目仅提供一个工具，不对任何声音数据集具有控制权或做出版权保证，如您不认可这一点，请立即停止使用！！！

请我喝奶茶

打个广告，觉得我写的内容好的可以在爱发电请我一杯奶茶！ https://afdian.net/a/xter123

Credits

This repo is mainly based on the fast_inference_ branch of GPT-soVITS project

Special thanks to the following projects and contributors:

Theoretical

• ar-vits
• SoundStorm
• vits
• TransferTTS
• contentvec
• hifi-gan
• fish-speech

Pretrained Models

• Chinese Speech Pretrain
• Chinese-Roberta-WWM-Ext-Large

Text Frontend for Inference

• paddlespeech zh_normalization
• LangSegment

WebUI Tools

• ultimatevocalremovergui
• audio-slicer
• SubFix
• FFmpeg
• gradio
• faster-whisper
• FunASR

Thanks to all contributors for their efforts