5 分钟复刻你的声音，一键实现 GPT-Sovits 模型部署

news2025/1/19 22:11:33

想象一下，只需简单几步操作，就能生成逼真的语音效果，无论是为客户服务还是为游戏角色配音，都能轻松实现。GPT-Sovits 模型，其高效的语音生成能力为实现自然、流畅的语音交互提供了强有力的技术支持。本文将详细介绍如何利用函数计算平台部署 GPT-Sovits 模型，以构建一个高效、可扩展的 AI 语音交互系统。通过这一部署方案，开发者和企业能够快速集成语音合成功能，实现从文本到语音的无缝转换，进而推动智能语音应用的创新和发展。

方案概览

通过函数计算快速部署 GPT-Sovits 语音生成模型，提供语音生成服务。只需要少量样本的声音数据源，就可以实现高度相似的仿真效果。充分利用函数计算按需付费，弹性伸缩等优势，高效、低成本地为用户提供基于 GPT-Sovits 模型的文本到语音生成服务。

本方案的技术架构包括以下基础设施和云服务：

函数计算：用于提供 GPT-Sovits 模型的应用服务。在 GPT-SoVITS 应用界面，用户选择 GPU 模型列表，然后上传一段自己准备的 3~10s 的样本语音或者使用函数计算提供的语音模板，输入需要生成的语音提示语开始生成语音。语音生成成功后，可以在 GPT-SoVITS 界面查看并播放生成的语音，也可以在 NAS 文件存储系统中下载生成的语音。
文件存储 NAS：用于存放预训练的 GPT-Sovits 模型以及生成的语音文件。
专有网络 VPC：用于配置专有网络，方便函数计算访问文件存储 NAS。

部署 GPT-Sovits 应用

借助于函数计算应用模板，您可以便捷地将 GPT-Sovits 应用部署到函数计算上。

访问函数计算应用模板 [ 1] ，参考图片，地域目前仅支持华东1（杭州）或华东2（上海），选择华东1（杭州） 。其余配置项保持默认值即可，单击创建应用。模型下载可能会花费 15 分钟左右，请耐心等待部署完成。

a. 针对当前应用，角色权限可能会不足，此时需要单击前往授权为角色授予所需权限。

在弹出的对话框，仔细阅读应用创建提醒信息，勾选涉及的计费项和我已经了解上面的内容，并同意上述描述， 然后单击同意并继续部署。

等待约 1 分钟，部署状态变为部署成功，表示应用部署成功，单击环境信息区域的访问域名开始体验应用。

首次访问，大约需要等待 30 秒，即可进入 FC 版 GPT-SoVITS 界面。

重要：

请注意保护域名的安全，不要泄露给其他人，以防产生额外费用。
****.devsapp.net 域名为 CNCF SandBox 项目 Serverless Devs 社区所提供，仅供学习和测试使用，社区会对该域名进行不定期的拨测，并在域名下发 30 天后进行回收，强烈建议您绑定自定义域名 [ 2] 以获得更好的使用体验。
如果未绑定自定义域名，且部署的应用已超过 30 天，应用将无法打开，此时需要重新部署一次应用，然后重新挂载 NAS [ 3] ，即可正常使用。

入门：快速体验使用 GPT-Sovits 合成语音

在 FC 版 GPT-SoVITS 界面，选择语音克隆&推理页签，选择使用模板音频或个人上传音频作为参考音频，然后输入文本，单击合成语音，开始体验声音的合成。

使用模板音频： 函数计算提供了小精灵和甜美女生的语音模板，您可以直接选择。
个人上传音频： 如果您想生成特定音色、情感、语速的语音，需要上传 3~10 秒的参考音频，并填写参考音频的文本，选择参考音频的语种。

重要：GPT-SoVITS 使用者和语音导出者需要对自己合成的语音进行妥善保管，因语音传播导致的法律问题不在函数计算负责范围内。

等待语音合成完成后，单击右下角的播放按钮播放语音，或可以单击「三点」符号 > 下载，下载生成的语音。

说明：如果语音合成失败，您可以为应用创建的函数一键启用日志功能，再次进行语音合成，并根据日志进行分析和定位问题。

进阶：使用 GPT-Sovits 进行语音模型训练

您可以通过声音源文件微调 GPT-Sovits 大模型，生成更加符合要求的语音。在微调训练过程中，训练步骤的所有中间产物将置于 NAS 文件管理系统的 output 文件夹下。训练将使用默认的 UVR5 和 ASR 模型。若需要使用其他的 UVR5 和 ASR 模型，可根据官方 README [ 4] 下载，并分别置于 NAS 文件管理系统的 tools/asr/models 和 tools/uvr5/uvr5_weights 目录下。

步骤一：可视化管理 NAS 中的语音文件

为了方便后续查看预处理的音频文件和训练后的模型。您可以按照如下步骤创建一个新的函数计算应用部署 NAS 浏览器，实现可视化管理 NAS 上的文件。

在应用详情页的资源信息区域找到默认挂载的文件存储 NAS，然后单击挂载点链接跳转至 NAS 文件存储控制台 [ 5] 。

单击左侧菜单文件系统 > 文件系统列表，返回文件系统列表页面。在列表中找到函数计算关联的 NAS 实例，单击目标 NAS 文件系统右侧操作列的「三点」符号> 浏览器。

等待创建完成，再次单击目标 NAS 文件系统右侧操作列的「三点」符号> 浏览器，即可打开 NAS 浏览器页面。

步骤二：数据预处理

在 FC 版 GPT-SoVITS 界面，选择数据预处理页签。
在输入待处理音频文件夹路径输入框中输入您在 NAS 文件存储系统中存放的需要预处理的音频，或直接上传需要预处理的音频，选择模型以及需要导出的文件格式，然后单击开启数据预处理。

关于各种模型的介绍，请参见 FC 版 GPT-SoVITS 界面上方的介绍。

在数据预处理输出信息区域，提示 ASR 任务完成后，在对应的 NAS 文件系统的/<函数名称>/output/目录，您可以获取预处理后的音频。各种预训练产物以及存储路径的对应关系如下。

步骤三：（可选）训练语音文本校对

如果步骤二：数据预处理 [ 6] 结果中，使用 ASR 模型自动语音识别到的文字与实际不相同，可通过文本校对工具进行修改。

在 FC 版 GPT-SoVITS 界面，选择训练语音文本校对页签。
在 .list 标注文件的路径输入框中输入步骤二：数据预处理的结果中使用 ASR 模型自动语音识别后的文字对应的文件 denoise_opt.list 所在的完整路径，然后依次单击下方的按钮进行调整。按钮功能介绍如下：