| --- |
| pipeline_tag: text-to-speech |
| language: |
| - zh |
| tags: |
| - gpt-sovits |
| - voice-clone |
| - text-to-speech |
| - chinese |
| license: other |
| base_model: |
| - RVC-Boss/GPT-SoVITS |
| --- |
| |
| # 峰哥 GPT-SoVITS 语音模型 |
|
|
| ## 1. 模型简介 |
| 这是一个基于 **GPT-SoVITS v2Pro** 训练的单说话人中文语音模型。 |
| 本仓库仅提供已训练完成的权重文件，用于技术交流、学习与效果复现测试。 |
|
|
| 官方项目地址： |
| - https://github.com/RVC-Boss/GPT-SoVITS |
|
|
| 【声明】： 本人明确知道这属于是典型的“烂活旧整”范畴 |
|
|
| 效果预览 (Audio Preview)：可以试听仓库中附带的演示音频文件：`峰哥聊发展中国家.wav`。 |
|
|
| - **效果点评：** 整体的口音细节与音色还原度非常不错，能够抓到峰哥说话的精髓。 |
| - **优化建议：** 演示音频中存在经典的“电音”或机械感。在本地实际部署后，完全可以通过微调下方推荐的“推理超参数” 来进一步优化，获得更自然的效果。 |
|
|
| ## 2. 关于数据集与训练初衷 (Dataset & Motivation) |
| - **数据规模 (Duration)：** 约 95 分钟（1.6 小时）有效语音数据。 |
| - **数据来源 (Source)：** 采集自 Bilibili 峰哥直播切片（非正式录播视频，故原始素材带有典型的直播录像音质特征，并未进行专门的降噪）。 |
| - **训练初衷 (Motivation)：** 本模型受启发于李宏毅老师 2025 春季《生成式 AI》课程。课程提到：在高质量小数据集下进行微调（Fine-tuning），模型依然能爆发出强大的威力。因此，本次训练的核心目标旨在**验证 GPT-SoVITS 在“较小数据量 + 日常直播音质”条件下的可用音色复现与泛化能力**。 |
| - **【数据声明】** 为保护原始音频版权及相关人物权益，本仓库不公开、不提供原始音频数据集及清洗工程文件，仅分享模型权重用于技术交流验证。 |
|
|
| --- |
|
|
| ## 3. 模型规格 (Model Specifications) |
| - 适用框架：`GPT-SoVITS (v2Pro)` |
| - 语言 (Language)：`zh`（中文） |
| - SoVITS 采样率：`32000 Hz` |
| - SoVITS 训练参数：`epochs=35`，`batch_size=12`，`info=34epoch_4148iteration` |
| - GPT 训练参数：`epochs=20`，`batch_size=12`，`precision=16-mixed`，`info=GPT-e20` |
|
|
| ## 4. 模型文件 (Repository Files) |
| - `feng_voice_4090_e34_s4148.pth`（SoVITS） |
| - `feng_voice_4090-e20.ckpt`（GPT） |
|
|
| ## 5. 推荐推理参数 (复现基线) |
| - Prompt language：`中文` |
| - Text language：`中文` |
| - Text split：`凑四句一切` |
| - Speed：`0.95` |
| - Pause seconds：`0.3` |
| - Top-k：`5` |
| - Top-p：`1.0` |
| - Temperature：`1.0` |
|
|
| ## 6. 如何使用 (Usage) |
| 本仓库仅提供权重文件，不包含完整运行环境。 |
|
|
| 1. 准备官方 GPT-SoVITS 环境。 |
| 2. 在 GPT-SoVITS 根目录手动创建权重目录： |
| - `SoVITS_weights_v2Pro/` |
| - `GPT_weights_v2Pro/` |
| 3. 将下载的两个文件分别放入： |
| - `feng_voice_4090_e34_s4148.pth` -> `SoVITS_weights_v2Pro/` |
| - `feng_voice_4090-e20.ckpt` -> `GPT_weights_v2Pro/` |
| |
| 示例（在 GPT-SoVITS 根目录执行）： |
|
|
| ```bash |
| mkdir -p SoVITS_weights_v2Pro GPT_weights_v2Pro |
| cp /path/to/feng_voice_4090_e34_s4148.pth SoVITS_weights_v2Pro/ |
| cp /path/to/feng_voice_4090-e20.ckpt GPT_weights_v2Pro/ |
| ``` |
|
|
| 4. 启动：`python webui.py` |
| 5. 在推理页面选择： |
| - GPT：`GPT_weights_v2Pro/feng_voice_4090-e20.ckpt` |
| - SoVITS：`SoVITS_weights_v2Pro/feng_voice_4090_e34_s4148.pth` |
| 6. 推理时请提供两项参考信息： |
| - 参考音频 ：merged_000008.wav （在仓库中） |
| - 与该音频内容对应的参考文本 ：“你觉得他算是个成功的网红吗，毫无疑问呐” |
| 7. 按“推荐推理参数”先跑基线，再做小范围微调。 |
| |
| ## 7. 免责声明 (Disclaimer) |
| 下载或使用本仓库模型文件，即视为同意以下条款： |
| |
| 1. 严禁将本模型及其生成音频用于违法违规用途。 |
| 2. 严禁用于诈骗、伪造、诽谤、人身攻击或其他侵权行为。 |
| 3. 使用者对其生成内容及后果承担全部责任。 |
| 4. 如用于商业用途，请先自行确认数据、声音及相关权利授权是否合法合规。 |
| |
