基于函数计算部署GPT-Sovits语音生成模型实现AI克隆声音

GPT-Sovits是一个热门的文本生成语音的大模型，只需要少量样本的声音数据源，就可以实现高度相似的仿真效果。通过函数计算部署GPT-Sovits模型，您无需关心GPU服务器维护和环境配置，即可快速部署和体验模型，同时，可以充分利用函数计算按量付费，弹性伸缩等优势，高效地为用户提供基于GPT-Sovits模型的文本到语音生成服务。

方案概览

本方案的技术架构包括以下基础设施和云服务：

函数计算：用于提供GPT-Sovits模型的应用服务。
文件存储 NAS：用于存放预训练的GPT-Sovits模型。
专有网络 VPC：用于配置专有网络，方便函数计算访问文件存储 NAS。

重要

阿里云不对第三方模型的合法性、安全性、准确性进行任何保证，阿里云不对由此引发的任何损害承担责任。
您应自觉遵守第三方模型的用户协议、使用规范和相关法律法规，并就使用第三方模型的合法性、合规性自行承担相关责任。

部署GPT-Sovits模型

登录函数计算3.0控制台。
请确认访问的控制台是函数计算3.0，否则您需要在右上角单击体验函数计算3.0。
在左侧导航栏，单击应用。
（可选）在应用页面，单击创建应用。
说明
如果您之前未使用过应用中心，请跳过本步骤，可直接进入下一步。
在应用页面，选择人工智能>语音克隆生成GPT-SoVITS，单击立即创建。
在创建应用页面，角色名称请确认所需要的权限均已获取（若缺失权限请按照页面引导进行操作），服务状态请确认函数计算FC和文件存储NAS已开通，其他配置保持默认即可，然后单击创建应用。
在活动应用创建提醒对话框中，选中函数计算FC和文件存储NAS两个收费项，选中我已经了解上面的内容，并同意上述描述，单击同意并进行部署。
等待约1分钟，部署状态变为部署成功，表示应用部署成功，并生成访问域名，单击访问域名后的链接开始体验应用。
重要
***.devsapp.net域名是CNCF SandBox项目Serverless Devs社区所提供，仅供学习和测试使用，不可用于任何生产使用；社区会对该域名进行不定期地拨测，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

快速体验

部署完成后，您可以使用已经准备好的DEMO声音样例，进行声音的合成和体验。

我们准备了一些童年经典动画片的台词，您可以合成试试：

既然你诚心诚意的发问了，我们就大发慈悲的告诉你，为了防止世界被破坏，为了守护世界的和平，贯彻爱与真实的邪恶，可爱又迷人的反派角色，武藏、小次郎！我们是穿梭在银河的火箭队，白洞，白色的明天在等着我们！ ——《小精灵》
成为全国第一是我从小的梦想，我不会放弃，这点小伤根本不能让我放弃。 ——《灌篮高手》
舒克舒克舒克舒克开飞机的舒克，贝塔贝塔贝塔贝塔开坦克的贝塔。——《舒克和贝塔》

合成操作步骤

选择默认语音模板，输入需要生成的文本，单击合成语音。

等待语音合成之后，可以单击播放。

使用API进行语音合成

GPT-Sovits API支持推理类API接口/tts，可以实现由文本合成声音的功能。更多支持的API列表及更多信息，请参见GPT-Sovits github项目中的API定义。

本文以使用Postman工具部署并调用接口/tts为例，演示如何基于GPT-Sovits API实现AI语音生成。

获取GPT-Sovits API地址。
1. 登录函数计算3.0控制台。
2. 在左侧导航栏，单击应用。
3. 在应用界面，找到“部署GPT-Sovits模型”步骤中创建的应用，点击应用名称。
4. 在应用详情页面，在资源信息下方找到后缀为__api的函数，点击函数名称。
5. 在函数详情页面，将光标悬浮在触发器卡片上，公网访问地址右侧的地址即为API域名。请复制API域名用于后续调用API实现语音合成。
上传参考语音音频。
1. 在应用详情页面，在基础资源下方找到文件存储NAS，点击挂载点右侧的链接。
2. 文件系统详情页面上方的名称即为NAS文件系统名。点击文件系统列表返回上一级页面。
3. 在文件系统列表页，找到对应的NAS文件系统，点击右侧菜单中的浏览器选项，跳转到NAS浏览器。如果您未创建过NAS浏览器应用，请按照提示进行部署，部署完成后即可开始使用NAS浏览器。
4. 在浏览器中，进入函数应用名对应的路径/gpt-sovits-******__api。点击上传参考语音音频。参考音频需符合如下条件：
  1. 音频为WAV格式文件。
  2. 音频时长在3至10秒之间。
使用Postman调用语音合成API。
1. 在Postman工具界面，填写步骤1复制的域名，并拼接接口/tts，选择请求方式POST，填写请求参数，然后单击Send。Body的示例如下所示，其中ref_audio_path为参考音频路径，请填写步骤2上传音频的路径。更多可选参数，请参见GPT-Sovits github项目中的API定义。
```
{
    "text": "先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。",  // 设定文本内容 
    "text_lang": "zh",  // 文本语言 
    "ref_audio_path": "/mnt/gpt-sovits-******__api/<AUDIO_FILE_NAME>",  // 参考语音音频路径 
    "prompt_lang": "zh" // 生成语音的语言  
}
```
2. 语音生成结束后，音频将出现在下方返回结果中。您可以试听或保存音频。

声音训练

您可以通过声音源文件微调GPT-Sovits大模型，生成您期望的声音。在微调训练过程中，训练步骤的所有中间产物将置于NAS的output文件夹下。训练将使用默认的UVR5和ASR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的tools/asr/models和tools/uvr5/uvr5_weights目录下。