通过文本生成个性化语音会定制在你的“心趴”上吗？

摘要：如果您需要通过文本生成语音，同时期望快捷地定制个性化声音，推荐您使用函数计算部署GPT-Sovits语音生成模型。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。使用函数计算部署GPT-Sovit

如果您需要通过文本生成语音，同时期望快捷地定制个性化声音，推荐您使用函数计算部署GPT-Sovits语音生成模型。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。使用函数计算部署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、低成本地为用户提供基于GPT-Sovits模型的文本到语音生成服务。

体验使用GPT-Sovits合成语音，只需几步：

部署 GPT-Sovits 应用

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。

入门：快速体验使用GPT-Sovits合成语音进阶：使用GPT-Sovits进行语音模型训练

你是否厌倦了千篇一律的系统声音？

你是否梦想过拥有自己独特的语音？

【触手可及,函数计算玩转 AI 大模型-阿里云技术解决方案】

生成属于你的个性化语音！

访问函数计算应用模板

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。

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。

同意并继续部署

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。

访问域名

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。

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。

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。

合成语音

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。

等待语音合成完成后，单击右下角的播放按钮播放语音，或可以单击功能键 > 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。

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ASR模型。若需要使用其他的UVR5和ASR模型，可根据官方README[4]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。

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。

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。

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。

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

数据预处理在FC版GPT-SoVITS界面，选择数据预处理页签。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//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://output/denoise_opt音频分割后的片段://output/slicer_opt使用ASR模型自动语音识别后的文字://output/asr_opt使用UVR5模型进行人声和伴奏分离后的文件://output/uvr5_opt

（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。

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。