基于开源顶尖少样本声音克隆项目 GPT-SoVITS,结合社区微调好的雷军(雷总)专属声音权重,只需准备几秒参考音频,就能在本地完全离线生成高度逼真、语气极其神似的“Are you OK”雷氏演讲声线。
资源准备与下载
安装与环境配置
解压整合包后,在整合包根目录下打开命令提示符(CMD),使用国内清华源补齐依赖:
1 | pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple |
模型权重放置:
将从网盘下载解压出来的 weights 文件夹中的模型文件,对应拷贝到整合包目录内的 GPT_SoVITS/pretrained_models 或 weights 目标路径中。
启动与推理操作
1. 启动 WebUI 界面
双击运行整合包根目录下的 go-webui.bat。控制台加载完成后会自动唤起浏览器打开:
http://localhost:9874/
在主界面中:
- 点击顶部标签页 1-GPT-SOVITS-TTS。
- 勾选 启用并行推理版本(可显著提升 GPU 推理响应速度)。
- 点击 开启 TTS 推理 WebUI,系统会弹出新的独立推理界面。
2. 调优参数(逼真度核心秘诀)
在新打开的推理控制台中:
- 模型选择:在左侧权重下拉菜单中选择雷总的 GPT 权重(如序号 14),右侧选择对应的 SoVITS 权重(如序号 12)。
- 参考音频选择:在附带网盘的
output/denoise_opt/中挑选一段雷总的清晰原声音频(时长建议控制在 3~8 秒内),并在上方文本框输入该音频对应的文字内容(参考文本见output/asr_opt/denoise_opt.list)。 - 关键音色调节:
- 语速系数(speed_factor):设为
0.95(语速略慢一点,更贴合雷总稳重儒雅的说话习惯)。 - 分段切分间隔:设为
0.25秒。 - Batch Size:如显卡显存为 6G(例如 RTX 2060)可拉到
60,大幅提升批量生成效率。
- 语速系数(speed_factor):设为
3. 目标文本断句规范
GPT-SoVITS 对标点符号和单行长度较为敏感。建议采用短句换行,避免超长复合句一口气读完:
推荐格式(按语义节奏断行):
1 | 不觉得这很酷吗 |
点击底部的 合成音频,试听满意后即可直接一键下载 WAV 文件。
视频教程与社区参考
声明:本模型权重来源于社区公开归档整理,仅限个人学习研究使用,严禁用于任何侵权或商业诈骗活动。