介绍
GPT-SoVITS 是一个强大的语音合成系统，它结合了 GPT（生成式预训练转换器）和 SoVITS（Soft-VC VITS）两种先进技术：
- GPT: 负责文本理解和语音生成的控制，能够根据上下文生成自然的语音内容
- SoVITS: 负责声音转换，可以将生成的语音转换为目标说话人的声音特征
本系统特别针对《凉宫春日》系列的角色进行了训练，可以生成多个角色的自然语音。系统支持多种语言（中文、英文、日文、粤语、韩文等），并提供了丰富的参数调整选项，让用户能够精确控制生成的语音效果。
安装说明
首先需要安装 gradio_client 库：
pip install gradio_client
API 端点说明
1. 获取角色列表
API名称: /change_choices
from gradio_client import Client
client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
api_name="/change_choices"
)
print(result)
参数: 无
返回值:
- 返回一个包含所有可用角色的列表：
- 凉宫春日
- 古泉一树
- 朝仓凉子
- 朝比奈实玖瑠（大）
- 朝比奈实玖瑠（小）
- 虚妹
- 长门有希（正常时间线）
- 长门有希（消失时间线）
- 阿虚
- 鹤屋
2. 切换角色
API名称: /change_characters
from gradio_client import Client
client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
character_name="凉宫春日",
api_name="/change_characters"
)
print(result)
参数:
character_name: 角色名称（默认：“凉宫春日”）
返回值: 返回一个包含三个元素的元组
- 预设参考音频列表
- Sovits模型路径
- GPT模型路径
3. 切换预设参考音频
API名称: /change_predef_ref
from gradio_client import Client
client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
character_name="凉宫春日",
ref_name="14_日常交谈感",
api_name="/change_predef_ref"
)
print(result)
参数:
character_name: 角色名称（默认：“凉宫春日”）ref_name: 预设参考音频名称（默认：“14_日常交谈感”）
返回值: 返回一个包含两个元素的元组
- 参考音频文件路径
- 参考音频的文本内容
4. 生成语音
API名称: /get_tts_wav
from gradio_client import Client, file
client = Client("https://haruhi-gpt-sovits.vip.cpolar.cn/")
result = client.predict(
sovits_path="SoVITS_weights_v2/Haruhi_20250113_e1500_s58500.pth",
gpt_path="GPT_weights_v2/Haruhi_20250113-e10.ckpt",
ref_wav_path=file('参考音频路径'),
prompt_text="参考音频的文本",
prompt_language="日文",
text="要合成的文本",
text_language="日文",
how_to_cut="凑四句一切",
top_k=15,
top_p=1,
temperature=1,
ref_free=False,
speed=1,
if_freeze=False,
inp_refs=[file('额外参考音频路径')],
api_name="/get_tts_wav"
)
print(result)
参数说明:
sovits_path: SoVits模型路径gpt_path: GPT模型路径ref_wav_path: 参考音频文件路径prompt_text: 参考音频的文本内容prompt_language: 参考音频的语种（中文/英文/日文/粤语/韩文等）text: 需要合成的文本text_language: 需要合成的语种how_to_cut: 文本切分方式（不切/凑四句一切/凑50字一切等）top_k: 采样参数top_p: 采样参数temperature: 采样参数ref_free: 是否开启无参考文本模式speed: 语速if_freeze: 是否直接对上次合成结果调整语速和音色inp_refs: 额外的参考音频文件列表（可选）
返回值: 生成的语音文件路径