基于函数计算部署 GPT-Sovits 模型实现语音生成

部署准备

5

开始部署前，请按以下指引完成账号申请和账号充值。

准备账号

1. 如果您还没有阿里云账号，请访问阿里云账号注册页面，根据页面提示完成注册。阿里云账号是您使用云资源的付费实体，因此是部署方案的必要前提。

2. 已开通函数计算服务。具体操作，请参见开通函数计算服务。

3. 已开通文件存储 NAS 服务。具体操作，请参见欢迎使用 NAS 文件系统。

4. 为了节省成本，建议您根据情况领取新客户试用套餐，函数计算使用额度详情请参见试用额度。

部署 GPT-Sovits 应用

5

借助于函数计算应用模板，您可以便捷地将 GPT-Sovits 应用部署到函数计算上。

1. 访问函数计算应用模板，参考图片，地域目前仅支持华东 1（杭州）或华东 2（上海），选择华东 1（杭州）。其余配置项保持默认值即可，单击创建应用。模型下载可能会花费 15 分钟左右，请耐心等待部署完成。

   1. 针对当前应用，角色权限可能会不足，此时需要单击前往授权为角色授予所需权限。

      

   

2. 在弹出的对话框，仔细阅读应用创建提醒信息，勾选涉及的计费项和我已经了解上面的内容，并同意上述描述，然后单击同意并继续部署。

   

3. 等待约 1 分钟，部署状态变为部署成功，表示应用部署成功，单击环境信息区域的访问域名开始体验应用。

   首次访问，大约需要等待 30 秒，即可进入 FC 版 GPT-SoVITS 界面。

   重要

   • 请注意保护域名的安全，不要泄露给其他人，以防产生额外费用。

   • ****.devsapp.net域名为 CNCF SandBox 项目 Serverless Devs 社区所提供，仅供学习和测试使用，社区会对该域名进行不定期的拨测，并在域名下发 30 天后进行回收，强烈建议您绑定自定义域名以获得更好的使用体验。

     如果未绑定自定义域名，且部署的应用已超过 30 天，应用将无法打开，此时需要重新部署一次应用，然后重新挂载NAS，即可正常使用。

   

入门：快速体验使用 GPT-Sovits 合成语音

5

1. 在 FC 版 GPT-SoVITS 界面，选择语音克隆&&推理页签，选择使用模板音频或个人上传音频作为参考音频，然后输入文本，单击合成语音，开始体验声音的合成。

   • 使用模板音频

     函数计算提供了小精灵和甜美女生的语音模板，您可以直接选择。

   • 个人上传音频

     如果您想生成特定音色、情感、语速的语音，需要上传 3~10 秒的参考音频，并填写参考音频的文本，选择参考音频的语种。

   重要

   GPT-SoVITS 使用者和语音导出者需要对自己合成的语音进行妥善保管，因语音传播导致的法律问题不在函数计算负责范围内。

   

   

2. 等待语音合成完成后，单击右下角的播放按钮播放语音，或可以单击 > 下载，下载生成的语音。

   说明

   如果语音合成失败，您可以为应用创建的函数一键启用日志功能，再次进行语音合成，并根据日志进行分析和定位问题。

   

   

进阶：使用 GPT-Sovits 进行语音模型训练

15

您可以通过声音源文件微调 GPT-Sovits 大模型，生成更加符合要求的语音。在微调训练过程中，训练步骤的所有中间产物将置于 NAS 文件管理系统的 output 文件夹下。训练将使用默认的 UVR5 和 AS 模型。若需要使用其他的 UVR5 和 ASR 模型，可根据官方 README下载，并分别置于 NAS 文件管理系统的tools/asr/models和tools/uvr5/uvr5_weights目录下。

步骤一：可视化管理 NAS 中的语音文件

为了方便后续查看预处理的音频文件和训练后的模型。您可以按照如下步骤创建一个新的函数计算应用部署 NAS 浏览器，实现可视化管理 NAS 上的文件。

1. 在应用详情页的资源信息区域找到默认挂载的文件存储 NAS，然后单击挂载点链接跳转至 NAS 文件存储控制台。

   

2. 单击左侧菜单文件系统 > 文件系统列表，返回文件系统列表页面。在列表中找到函数计算关联的 NAS 实例，单击目标 NAS 文件系统右侧操作列的 > 浏览器。

   

3. 等待创建完成，再次单击目标 NAS 文件系统右侧操作列的 > 浏览器，即可打开 NAS 浏览器页面。

   

步骤二：数据预处理

1. 在 FC 版 GPT-SoVITS 界面，选择数据预处理页签。

2. 在输入待处理音频文件夹路径输入框中输入您在 NAS 文件存储系统中存放的需要预处理的音频，或直接上传需要预处理的音频，选择模型以及需要导出的文件格式，然后单击开启数据预处理。

   关于各种模型的介绍，请参见 FC 版 GPT-SoVITS 界面上方的介绍。

   在数据预处理输出信息区域，提示 ASR 任务完成后，在对应的 NAS 文件系统的/<函数名称>/output/目录，您可以获取预处理后的音频。各种预训练产物以及存储路径的对应关系如下。

   预训练流程产物	存储路径
   降噪后的语音文件	<NAS url>:/<函数名>/output/denoise_opt
   音频分割后的片段	<NAS url>:/<函数名>/output/slicer_opt
   使用 ASR 模型自动语音识别后的文字	<NAS url>:/<函数名>/output/asr_opt
   使用 UVR5 模型进行人声和伴奏分离后的文件	<NAS url>:/<函数名>/output/uvr5_opt

   

   

步骤三：（可选）训练语音文本校对

如果步骤二：数据预处理结果中，使用 ASR 模型自动语音识别到的文字与实际不相同，可通过文本校对工具进行修改。

1. 在 FC 版 GPT-SoVITS 界面，选择训练语音文本校对页签。

2. 在.list标注文件的路径输入框中输入步骤二：数据预处理的结果中使用 ASR 模型自动语音识别后的文字对应的文件denoise_opt.list所在的完整路径，然后依次单击下方的按钮进行调整。按钮功能介绍如下：

   按钮名称	按钮功能介绍
   Change Index / Refresh	跳转页码。当前页面文字校对完成后，单击此按钮进行翻页。
   Submit Text	保存修改。如果某个识别的文字错误，修改后需单击此按钮保存。
   Merge Audio	合并音频。
   Delete Audio	删除音频。请谨慎使用，删除音频后将不再进行训练。
   Previous Index	上一页。
   Next Index	下一页。
   Split Audio	分割音频。
   Save File	保存文件。校对完成后，要单击此按钮保存文件。
   Invert Selection	反向选择。

   

步骤四：开始模型训练

1. 在 FC 版 GPT-SoVITS 界面，选择模型微调页签，在下方实验/模型名输入框输入您的模型名称，然后单击开启 SoVITS 训练或开启 GPT 训练进行模型训练。

   训练后的模型将存储在 NAS 下的 GPT_weights 和 SoVITS_weights 文件夹内。

   

   

2. 在 FC 版 GPT-SoVITS 界面，选择语音克隆&&推理页签，使用您自己的模型进行再次语音合成。

   更多操作说明，请参见入门：快速体验使用 GPT-Sovits 合成语音。

   说明

   如果 GPT 模型列表和 SoVITS 模型列表未找到您自己的模型，请单击右侧的刷新模型路径。

   

完成与清理

5

清理资源

在本方案中，您部署了 GPT-Sovits 应用使用了函数计算产品，创建了函数资源，创建模型管理器使用了文件存储 NAS产品，增加了 NAS 挂载点。函数计算的函数不调用不会计费，文件存储 NAS只要有模型存储在 NAS 文件系统下，就会收费。

因此，如果您后续不再使用 GPT-Sovits ，请及时删除以下两部分资源，避免继续产生费用。

删除 GPT-Sovits 使用的函数

删除模型管理器使用的 NAS