--- url: /blog/pl55itca/index.md --- # **GPT-SoVITS-WebUI V2 版本使用说明** [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) # 1.前置准备 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 启动应用&进入应用 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909161802467.png) 进入应用 Web UI 界面 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909172904711.png) # 2. 数据预处理 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 准备要克隆的声音素材，官方推荐音频长度为 5 秒左右（**零样本文本到语音**）或 1 分钟左右（**少样本 TTS**） ## 2.1 上传音频文件 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 进入应用数据盘目录下 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909194611463.png) 将要克隆的音频文件进行上传 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909194721057.png) 等待上传完成 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909194820351.png) 此时文件的全路径为：`/root/lightcc-tmp/kh.MP3`，此处记好，后边要考。 Lightcc 平台相关：数据盘的根目录是：`/root/lightcc-tmp`，可由此拼接处该目录下所有文件的全路径。 ## 2.2 人声伴奏分离、去混响、去延迟 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 如果音频中含有伴奏等，可以使用该工具。点击开启 UVR5-WebUI。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909162229385.png) 获取服务运行的端口号。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909173022315.png) 使用端口转发工具打开 WebUI。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240913103811374.png) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240913105059581.png) 进入 UVR5 Webui 界面。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909173214045.png) 根据自己的需求选择模型，将上传的音频文件全路径复制到输入框中。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909195825758.png) 点击转换，等待转换完成 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909195918504.png) 查看转换后的结果 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909200129949.png) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909200249483.png) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909200428404.png) 记录一下人声文件的全路径，`/root/lightcc-tmp/output/uvr5_opt/vocal_kh.MP3_10.flac`。 其中`/root/lightcc-tmp/output`是应用输出目录，`uvr5_opt/`是 uvr5 功能输出文件夹。 音频文件处理完毕后关闭 uvr5 Web UI 界面，回到主 Web UI 界面释放内存 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909200630262.png) ## 2.3 语音切分 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 本次实验时上传的音频文件是 1 分钟长的新闻联播稿，通过语音切分功能可以将该音频文件中的每一句话分割成一个文件，方便后续进行训练。 输入音频文件路径，如果进行了**2.2 人声伴奏分离**处理，应该填写分离后音频文件的全路径。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909201441152.png) 其他参数可默认不修改，点击开启语音切割，等待切割完毕。前往输出目录查看切割结果。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909201528989.png) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909201638690.png) 音频切割输出目录为：`/root/lightcc-tmp/output/slicer_opt`，记一下后续有用。 ## 2.4 音频降噪 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 该步骤可以有效减少音频中的噪音，优化训练效果。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909202112700.png) 查看降噪结果 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909202253906.png) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909202304066.png) 音频降噪输出目录为：`/root/lightcc-tmp/output/denoise_opt/` ## 2.5 语音识别 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 该步骤将音频文件识别为文字，用于后续训练。 输入要识别的音频文件夹，开始识别。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909204359544.png) 识别结束后，查看识别结果。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909204439407.png) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909204530069.png) 查看识别出的内容，基本非常准确。每一行对应前边分割出的每一个音频文件。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909204546406.png) 语音识别结果文件全路径：`/root/lightcc-tmp/output/asr_opt/denoise_opt.list` ## 2.6 打标 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 这一步是对上步语音识别的结果进行简单调整，如：删除不清晰、有杂音等可能影响训练结果的音频。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909205150789.png) 通过端口转发工具转发**9871**端口到本地（详细见 2.2 步骤中的端口转发操作过程） 打开打标工具 Web UI 界面，检查是否需要修改识别结果或删除某条不符合条件的训练数据。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909205851373.png) 修改后保存记录。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909210036352.png) 关闭打标工具 WebUI，释放内存。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240909210212863.png) 打标文件路径为：`/root/lightcc-tmp/output/asr_opt/denoise_opt.list` 至此数据预处理结束，上述步骤可根据自己实际情况选择处理。 # 3. 训练 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 数据预处理完毕后，开始训练模型。 回到主 UI 界面顶部，选择训练功能。 ## 3.1 配置训练信息 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 进入训练板块，填写模型名、选择版本。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910090742352.png) ## 3.2 训练集格式化 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910095513538.png) 训练集格式化以后存储路径为：`/root/lightcc-tmp/logs/kh1min/`，即`/root/lightcc-tmp/logs/`+`训练模型名` ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910101944384.png) ## 3.3 微调训练 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 开始微调训练之前，我们先打开 LightCc 平台应用日志功能，WebUI 上只显示进程是否结束，不会显示训练是否成功。通过日志功能我们能够获取到更多信息。 打开日志功能 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910110614929.png) 开始训练 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910113946773.png) 通过日志查看训练结果 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910114033813.png) SoVITS 训练微调模型路径为：`/home/GPT-SoVITS/SoVITS_weights_v2/`。e 是 epochs 的缩写，表示训练批次，e8 表示训练 8 次后的模型 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910115014505.png) 再进行 GPT 训练 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910114445536.png) 查看训练结果 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910114533760.png) GPT 训练微调模型路径为：`/home/GPT-SoVITS/GPT_weights_v2`。 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910114909875.png) **为什么一定要看日志呢？** 比如下边这个情况，训练时批次设置的过大，导致内存溢出。web UI 界面显示训练结束，只有在日志功能里才能看到报错。根据报错调整我们的参数继续完成训练 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910112918132.png) ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910112936803.png) 截止到此处，训练已全部结束。 # 4. 推理-文字生成语音 [GPT-SoVITS-V2使用](GPT-SoVITS-V2使用.md#) 这一步、你可以使用自己在前边训练出来的模型使用文字生成语音，也可以使用别人训练好的模型生成语音。 切换到推理工具、选好模型、启动 TTS 推理 Web UI ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910115800977.png) 上传参考音频，可以去音频切割输出目录`/root/lightcc-tmp/output/slicer_opt`中选择一个 3~10 秒的音频下载到本地，再上传到 Web UI 中。 参考音频文本可以从语音识别结果文件`/root/lightcc-tmp/output/asr_opt/denoise_opt.list`中快速复制 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910122257299.png) 开始合成 ![](../../../50_ARCHIVES/Blog_Published/2025/GPT-SoVITS-V2使用.assets/image-20240910122429820.png)