语音模块 - GPT_Sovits 配置指南 ✨

喵哈~！欢迎查阅这份 GPT_Sovits 语音模块的指南！我是墨百灵，一只爱研究魔法的猫猫法师。

下面是这个模块的配置说明：这个模块是用来连接 GPT_Sovits 的 TTS，样例配置文件在template文件夹下面哦~

在开始之前，大家需要先把 template_configs/gpt_sovits.toml 这个样板复制到 configs/gpt_sovits.toml，然后按照自己的心意调整配置文件~

toml

[pipeline]
# pipeline预设配置
default_preset = "default"  # 默认使用的预设名称

# pipeline平台预设映射
[pipeline.platform_presets]
qq = "default"       # QQ平台使用default预设

[tts]
# GPT-SoVITS API 配置
host = "127.0.0.1"
port = 9880

# 参考音频配置
ref_audio_path = "zh-CN-XiaoyiNeural.mp3"    # 默认参考音频路径
prompt_text = "这是一段测试音频"            # 默认提示文本
aux_ref_audio_paths = []                    # 辅助参考音频路径列表

# 语音合成基础配置
text_language = "zh"      # 文本语言
prompt_language = "zh"    # 提示语言
media_type = "wav"        # 音频格式:wav/raw/ogg/aac

# GPT-SoVITS 模型参数
top_k = 12                # top k 采样
top_p = 1.0              # top p 采样
temperature = 1.0        # 温度系数
batch_size = 1           # 批处理大小
batch_threshold = 0.75   # 批处理阈值
speed_factor = 1.0       # 语速控制
text_split_method = "cut5" # 文本分割方法
repetition_penalty = 1.35 # 重复惩罚系数
sample_steps = 32        # VITS采样步数
super_sampling = false    # 是否启用超采样

[tts.models]
# GPT模型配置
gpt_model = "GPT_SoVITS/pretrained_models/XiangNaimei-e5.ckpt"  # GPT模型路径
sovits_model = "GPT_SoVITS/pretrained_models/XiangNaimei_e4_s248.pth"  # SoVITS模型路径

# 自定义角色预设
[tts.models.presets]
# 预设角色配置示例
[tts.models.presets.default]
name = "默认角色"
ref_audio = "GPT_SoVITS/pretrained_models/voices/平淡.WAV"
prompt_text = "嗨！我每天都会像这样做发声训练的。"
gpt_model = ""     # 为空则使用默认GPT模型
sovits_model = ""  # 为空则使用默认SoVITS模型

[tts.models.presets.custom1]
name = "kanami"
ref_audio = "GPT_SoVITS/pretrained_models/voices/平淡.WAV"
prompt_text = "嗨！我每天都会像这样做发声训练的。"
gpt_model = "GPT_SoVITS/pretrained_models/XiangNaimei-e5.ckpt"
sovits_model = "GPT_SoVITS/pretrained_models/XiangNaimei_e4_s248.pth"

~~百灵还在用魔法画法阵，之后的内容请等待百灵的好消息。~~

喵哈！墨百灵的魔法阵画好啦！接下来就是详细的说明时间~

pipeline 配置

这部分指定平台使用的预设。

default_preset: 默认使用的预设名称。

pipeline.platform_presets 不同平台的预设

qq: QQ平台使用的预设名称啦~

百灵贴士！

这里的键值需要和[tts.models.presets]中.后面的名称一致。

比如，你想在QQ平台使用custom1预设，那么你需要在这里配置为custom1，同时在[tts.models.presets]中也要有[tts.models.presets.custom1]的配置哦~

键名说明~

这里的键名是平台的名称，也是Adapter的标识名称。

比如 MaiBot Napcat Adapter 默认使用qq作为标识符，那这里就应该设置为qq=你的预设

tts 配置 🎙️

接下来这部分，是配置 GPT-SoVITS API 接口用的。

host: GPT-SoVITS API 的主机地址，通常为 127.0.0.1，即本机地址。
port: GPT-SoVITS API 的端口，默认为 9880。
ref_audio_path: 默认参考音频路径，记得更换为你自己的参考音频喵。
prompt_text: 默认提示文本，记得更换为你自己的提示文本喵。
aux_ref_audio_paths: 辅助参考音频路径列表，可以添加多个辅助参考音频路径，其使用方法和GPT_Sovits的辅助参考音频相同。
text_language: 你要合成的文本语言，默认为中文（zh）。
prompt_language: 提示文本的语言，默认为中文（zh）。

TIP

对于text_language和prompt_language，大家可以从这些里面选：

zh: 中英文混合
ja: 日英文混合
yue: 粤语英文混合
ko: 韩英文混合
auto: 多语种混合
auto_yue: 多语种混合（包含粤语）
all_zh: 纯中文
en: 纯英文
all_ja: 纯日文
all_yue: 纯粤语
all_ko: 纯韩文

此内容复制于GPT_Sovits代码部分，如果有问题请以GPT_Sovits代码为准。

media_type: 音频格式，仅支持wav格式，百灵建议不要更改。

进阶配置

以下的内容如果大家对GPT_Sovits 还不太熟悉，这些可以先不做改动。

top_k: top k 采样，默认为 12。
top_p: top p 采样，默认为 1.0。
temperature: 温度系数，默认为 1.0。
batch_size: 批处理大小，默认为 1。
batch_threshold: 批处理阈值，默认为 0.75。
speed_factor: 语速控制，默认为 1.0。
text_split_method: 文本分割方法，默认为 cut5。
repetition_penalty: 重复惩罚系数，默认为 1.35。
sample_steps: VITS采样步数，默认为 32。
super_sampling: 是否启用超采样，默认为 false。

tts.models 配置 📂

这部分是用来配置大家模型文件的地方啦！

gpt_model: 这是默认的 GPT 模型路径，大家使用前一定要换成自己的模型，并且要确认模型文件存在哦~
sovits_model: 这是默认的 SoVITS 模型路径，同样地，大家要换成自己的模型，并检查路径是否正确喵！

tts.models.presets 专属角色配置

这部分是配置大家配置的预设角色的地方。

就像墨百灵在前面提醒过大家的那样，预设的名称要和 [pipeline.platform_presets] 中 . 后面的名字一模一样才行！

我们拿 default 为例：

大家需要添加一个 [tts.models.presets.default] 这样的配置 （如果已经有了就不用再加啦）。然后像下面这样配置项目：

name: 角色的名字，大家喜欢怎么叫就怎么填~
ref_audio: 参考音频的路径，请大家一定要换成自己的参考音频，并确保它存在且路径无误哦。
prompt_text: 提示文本，文本需要与参考音频中的内容相同，语言类型需要对应上面的prompt_language。
gpt_model: 这个角色专属的 GPT 模型路径。大家使用前请换成自己的模型，并检查路径哦。（如果这个角色不需要用特别的 GPT 模型，这里可以留空，会用 [tts.models] 里面默认值）。
sovits_model: 这个角色专属的 SoVITS 模型路径。同样，大家要换成自己的模型并检查路径。（如果这个角色也不需要特别的 SoVITS 模型，这里也可留空，它就会用默认的那个啦~）

语音模块 - GPT_Sovits 配置指南 ✨ ​

pipeline 配置 ​

pipeline.platform_presets 不同平台的预设 ​

tts 配置 🎙️ ​

tts.models 配置 📂 ​