Skip to content

README_zh.md

Latest commit

 

History

History
182 lines (137 loc) · 4.85 KB

README_zh.md

File metadata and controls

182 lines (137 loc) · 4.85 KB
Raw

Neiroha GPT-SoVITS Local Launcher

面向 Neiroha 的 GPT-SoVITS 独立后端。这个仓库只维护当前项目自己的 Pixi 环境、FastAPI、Gradio Admin 和配置语义，不和其他 TTS 项目合并 Python 依赖。

当前默认形态已经收敛为：

  • OpenAI TTS 风格 API：/v1/models、/v1/audio/voices、/v1/audio/speech
  • model 表示 voice set，不再表示底层权重
  • voice 表示 voice set 里的具体声音配置
  • 底层 GPT-SoVITS 权重放在 model preset
  • 默认只暴露一个 voice：genshin-keqing
  • 额外角色、共享权重、多角色包不再内置批量下载；需要的人自行下载权重后在 Admin 登记

目录语义

configs/
  server.toml
  model-presets/
    default.toml
  voice-sets/
    default.toml
runtime/
  voices/
    genshin-keqing/
      voice.toml
      reference.wav
  logs/
  outputs/
models/
  pretrained/

Neiroha 自己维护的配置统一使用 TOML。唯一保留的 YAML 是 runtime/cache/tts_infer.yaml，这是 GPT-SoVITS 上游推理配置缓存，不作为用户侧主配置。

configs/voice-sets/default.toml 对应 Neiroha / OpenAI API 里的 model=default。 runtime/voices/genshin-keqing/voice.toml 对应 voice=genshin-keqing。 configs/model-presets/default.toml 才是 GPT-SoVITS 的底层权重 preset。

安装

pixi install
pixi run install
pixi run install-sample-voice

install 会初始化 submodule、安装 GPT-SoVITS 上游 Python 依赖并下载官方预训练资产。 install-sample-voice 只下载一个默认示例参考音频，不会下载多角色训练权重。

启动

start_portable.bat serve

或使用 Pixi task：

pixi run serve
pixi run api
pixi run admin
pixi run test
pixi run smoke

默认端口来自 configs/server.toml：

FastAPI  http://127.0.0.1:9880
Admin    http://127.0.0.1:7860

serve 会读取 configs/server.toml 里的 [startup].surface 和 [startup].preload_model。这些 Pixi task 不再写死 host、port、surface 组合或预加载策略； 如果配置端口被占用或被 Windows 拒绝绑定，launcher 会自动挑一个可用随机端口，并在终端和 runtime/logs/backend.log 里写出实际地址。

admin 只启动 Gradio Admin，并连接已有 FastAPI。要同时启动 FastAPI 和 Gradio Admin， 请设置 [startup].surface = "both" 后运行 pixi run serve；不再把 Gradio mount 到 FastAPI。

Admin 语言

Gradio 不会自动翻译自定义 label，但本项目的 Admin 已经支持启动时选择中文或英文。 修改：

# configs/server.toml
[ui]
default_language = "zh" # zh | en

或设置环境变量：

$env:NEIROHA_GPT_SOVITS_UI_LANG="en"

然后重启 Admin。

日志

Admin 的“日志”页显示最新的 runtime/logs/backend.log，默认最新在上并自动刷新。 每次顶层 launcher 启动时会把上一轮 backend.log 轮转成 runtime/logs/backend.previous.log，然后重新创建本轮日志，避免一个日志文件无限膨胀。 下载任务仍会每次重新写：

runtime/logs/admin-download.out.log
runtime/logs/admin-download.err.log

API

列出 voice set：

curl.exe http://127.0.0.1:9880/v1/models

列出 voice：

curl.exe http://127.0.0.1:9880/v1/audio/voices

语音复刻：

curl.exe http://127.0.0.1:9880/v1/audio/speech `
  -H "Content-Type: application/json" `
  -d '{ "model":"default", "voice":"genshin-keqing", "input":"你好，这是一次语音复刻测试。", "response_format":"wav" }' `
  --output speech.wav

响应头会包含 X-Neiroha-Output-Path、X-Neiroha-Audio-Seconds、 X-Neiroha-Elapsed-Seconds 和 X-Neiroha-RTF。

添加自己的 voice

在 Admin 的“克隆配置”页上传参考音频、填写对应文本、设置 voice id/name 并保存。 默认使用当前 model preset。若要使用别人训练过的 GPT-SoVITS v2Pro/v2ProPlus 权重，可以在“Model Presets”页新增一个 preset，或直接在“克隆配置”页展开 “覆盖为别人训练过的 GPT/SoVITS 权重”并填写 .ckpt / .pth 路径。

也可以手动创建：

runtime/voices/my_voice/voice.toml

然后把 my_voice 加到：

configs/voice-sets/default.toml

voice 配置示例：

schema_version = 1
id = "my_voice"
name = "My Voice"
mode = "prompt_clone"
model_preset = "v2proplus-clone"
reference_audio = "runtime/voices/my_voice/reference.wav"
prompt_audio = ""
prompt_text = "参考音频对应文本"
text_lang = "zh"
prompt_lang = "zh"
instruction = ""
speed = 1.0
gpt_weights_path = "models/voices/my-trained/GPT_xxx.ckpt"
sovits_weights_path = "models/voices/my-trained/SV_xxx.pth"

[engine_options]

gpt_weights_path 和 sovits_weights_path 是可选覆盖项；不填时使用 model_preset 指向的底层 preset。