语音合成
目录
流萤的语音合成，请勿用于非法用途
0. 效果预览 #
0.1 模型_v4_20250729 #
模型部署在 Colab 上可以用来听书。感谢 tux_la 的视频演示！
0.2 模型_v2pro_20251118 #
希望，是一只带有羽毛的东西
它在我的灵魂中筑巢栖息
唱着没有词的俚曲
似乎永远不会停息。在风中能听到它唱的最为甜蜜
只有强劲的风暴会阻止它的足迹
迫使这只小鸟暂时静寂
而它曾经给过多少人带去了暖意。我在最寒冷的土地上，听到过它的鸣啼
我在最奇特的海面上，也听到过它的歌曲
然而，从来没有，在极端的境地
它向我索取过一点点的东西。——艾米莉·狄金森 《希望是一只带有羽毛的东西》
关于 Colab 的部署，请参考 第三部分。
1. OOTB（开箱即用）的食用方法 #
部分参考原著 GPT-SoVITS 指南
主要是推理（也就是合成语音），微调请看后面。
1.1 下载文件 #
-
前往 RVC-Boss/GPT-SoVITS 下载整合包，并在 合适的 位置解压
- 理论上哪都可以，但是不建议放在带空格（分割问题）/中文路径（编码问题）下
-
去 仓库 的
lovefirefly-archive/语音合成/模型下载模型以及参考语音.7z现在模型有两个，分别是
模型_v4_20250729.7z和模型_v2pro_20251118.7z，这里展示的是v4的版本。
v2pro操作完全相同v4是最早的版本，在本地的 NVIDIA GeForce RTX 5070 Laptop GPU 上微调。由于显存较小（8GB），所以切分较碎，句间停顿能力稍弱。v2pro是较新的版本，在服务器上使用未切分的数据微调，长句能力大幅提升。但是温度、top_p 太高会有极其轻微的咔咔声。请务必按照推荐参数调整。
完成后大概是下面的样子（选中的就是下载的文件）
1.2 移动模型 #
将模型移动到正确位置，简而言之，直接将这两个文件夹复制到整合包目录即可
[整合包目录] 指的是你解压的目录，比如：
GPT-SoVITS-v2pro-20250604-nvidia50
1.3 运行网页端 #
进入刚才解压的目录（我是 GPT-SoVITS-v2pro-20250604-nvidia50）。
双击运行 go-webui.bat，这时将会从自带的环境中运行 webui。一般会直接弹出浏览器窗口。如果没有，请看下一步。
如果没有打开浏览器 #
你可以在控制台输出的结尾找到类似的字样：
Running on local URL: http://0.0.0.0:9874
记住 9874 这个端口号，然后在浏览器中开：
http://localhost:9874
如果是因为报错没有打开浏览器，请检查端口占用情况（比如是不是已经打开了一个），或者复制报错信息搜索/询问 AI。
1.4 开始推理 #
等待一段时间（不要心急，终端静止是正常的，没报错即可），会自动打开 localhost:9872。如果过长时间没有打开，或者看到终端报错（Error ...），请参照 前面的方法 解决。如果是因为配置不足，请考虑租用服务器/云游戏。
然后按照 参考语音.7z 的内容填好参数，点击合成即可
当然，参考语音的语气比较平淡，所以需要其他语气的，请下载完整的训练语音：lovefirefly-archive/语音合成/训练数据（不是说拿来训练，是填入参考文本）
由于 v4 是我本地训练的，现存不足，微调时切分比较细碎，所以模型不那么会停顿，有可能需要后期处理。我特地标注了流萤句首的气息词，用“呃”/“啊”/“呵”+“……”/“、”标注。基本 达到预期效果。
如果需要更好的长句能力、句首换气和高质量停顿，请使用 v2pro。v2pro 也做了语气词优化，不过由于已经是含有完整上下文的长句了，所以主要依靠模型推断，我手动插入语气词的部分其实不多。
2. 如果需要自行微调…… #
参阅 整合包教程
3. 导入 Google Colab #
提示：Colab 在中国大陆访问受限，请自行寻找解决方案
或者参阅 其它平台 的部署。
感谢 tux_la 的整合包。也是 ta 将我的预训练模型打包到 Huggingface 上
3.0 准备 ngrok #
接下来会用到 ngrok，需要注册账号并拿到 Authtoken。如果需要，可以参阅：Nemo尼莫 的 这篇教程（只需要做到注册完毕即可），这里不再赘述。
访问 Your Authtoken - ngrok 并复制 Authtoken 待用。
3.1 下载整合包 #
在 这里 下载 tux_la 制作的整合包。不需要下载微调模型，因为整合包会自动工作。并解压.
压缩包内容：
流萤-tux_la-流螢tts整合包/
├── 導入colab.ipynb
├── 教程.mp4
└── 使用
├── firefly.exe
├── firefly.py
├── link.txt
└── test.wav
3.2 登录 Colab #
自行注册可以正常使用的谷歌账号。然后访问 Google Colab，并登录你的账号。
3.3 使用整合包 #
点击“上传”，然后导入文件，具体而言，是 導入colab.ipynb。
然后依次执行全部命令就好啦！
在 pip install -r req.txt 的时候有可能断开连接并显示“执行失败”，这大概是构建依赖时间太长的原因，请耐心等待直到所有包都 Successfully installed。断开连接时在右上角可以尝试手动连接。
最后可能提示
WARNING: The following packages were previously imported in this runtime:
[numpy]
You must restart the runtime in order to use newly installed versions.
不要重启！！不要重启！！！
注意，需要在这部分手动填写你 此前 拿到的的 Authtoken：
执行完毕后把生成的链接复制下来，替换掉 link.txt 中所有内容，保存。
由于是死循环，所以 Colab 会显示掉线，但是没关系，可以正常终止脚本。
不需要也没办法继续执行 !python api.py，不用管它。
如果需要类似前面的听书效果，请参阅软件的具体 API 要求，并自行修改内网穿透的端口
3.2147483647 教程视频（by: tux_la） #
4. 其他平台部署 #
其实差别不大，为了连接的稳定性，将 導入colab.ipynb 的第一个单元格改为：
!mkdir content
!source /etc/network_turbo && env | grep proxy
!wget -O gpt.zip "https://hf-mirror.com/tuxjhtd/firefly_Gpt-sovit/resolve/7bf2f616f41bf4f0e757f12216949d424aea2d1c/gpt.zip?download=true" --progress=bar:force
!mv gpt.zip ./content
后续 应该 都差不多了，不过囿于没用高速 G 口，10MB的下载速度实在是感人我便没有继续尝试。
疑似 AutoDL 有自己的端口映射工具，可能 可以代替后面的 ngrok 内网穿透。大概是这个 SSH隧道工具。
这个解法或许是为数不多的全国内服务一条龙了，但是要给点小钱，取决于租的服务器。
什么都没有喵。