docs/ko/README.md

GPT-SoVITS-WebUI

소량의 데이터로 음성 변환 및 음성 합성을 지원하는 강력한 WebUI.

English | 中文简体 | 日本語 | 한국어 | Türkçe

---

기능:

1. 제로샷 텍스트 음성 변환 (TTS): 5초의 음성 샘플을 입력하면 즉시 텍스트를 음성으로 변환할 수 있습니다.

2. 소량의 데이터 TTS: 1분의 훈련 데이터만으로 모델을 미세 조정하여 음성 유사도와 실제감을 향상시킬 수 있습니다.

3. 다국어 지원: 훈련 데이터셋과 다른 언어의 추론을 지원하며, 현재 영어, 일본어, 중국어, 광둥어, 한국어를 지원합니다.

4. WebUI 도구: 음성 반주 분리, 자동 훈련 데이터셋 분할, 중국어 자동 음성 인식(ASR) 및 텍스트 주석 등의 도구를 통합하여 초보자가 훈련 데이터셋과 GPT/SoVITS 모델을 생성하는 데 도움을 줍니다.

데모 비디오를 확인하세요! demo video

보지 못한 발화자의 퓨샷(few-shot) 파인튜닝 데모:

https://github.com/RVC-Boss/GPT-SoVITS/assets/129054828/05bee1fa-bdd8-4d85-9350-80c060ab47fb

사용자 설명서: 简体中文 | English

설치

테스트 통과 환경

Python Version	PyTorch Version	Device
Python 3.10	PyTorch 2.5.1	CUDA 12.4
Python 3.11	PyTorch 2.5.1	CUDA 12.4
Python 3.11	PyTorch 2.7.0	CUDA 12.8
Python 3.9	PyTorch 2.8.0dev	CUDA 12.8
Python 3.9	PyTorch 2.5.1	Apple silicon
Python 3.11	PyTorch 2.7.0	Apple silicon
Python 3.9	PyTorch 2.2.2	CPU

Windows

Windows 사용자라면 (win>=10에서 테스트됨), 통합 패키지를 다운로드한 후 압축을 풀고 go-webui.bat 파일을 더블 클릭하면 GPT-SoVITS-WebUI를 시작할 수 있습니다.

Linux

conda create -n GPTSoVits python=3.10
conda activate GPTSoVits
bash install.sh --device <CU126|CU128|ROCM|CPU> --source <HF|HF-Mirror|ModelScope> [--download-uvr5]

macOS

주의: Mac에서 GPU로 훈련된 모델은 다른 OS에서 훈련된 모델에 비해 품질이 낮습니다. 해당 문제를 해결하기 전까지 MacOS에선 CPU를 사용하여 훈련을 진행합니다.

다음 명령어를 실행하여 이 프로젝트를 설치하세요

conda create -n GPTSoVits python=3.10
conda activate GPTSoVits
bash install.sh --device <MPS|CPU> --source <HF|HF-Mirror|ModelScope> [--download-uvr5]

수동 설치

의존성 설치

conda create -n GPTSoVits python=3.10
conda activate GPTSoVits

pip install -r extra-req.txt --no-deps
pip install -r requirements.txt

FFmpeg 설치

Conda 사용자

conda activate GPTSoVits
conda install ffmpeg

Ubuntu/Debian 사용자

sudo apt install ffmpeg
sudo apt install libsox-dev

Windows 사용자

ffmpeg.exe와 ffprobe.exe를 GPT-SoVITS root 디렉토리에 넣습니다

Visual Studio 2017 설치

MacOS 사용자

brew install ffmpeg

GPT-SoVITS 실행하기 (Docker 사용)

Docker 이미지 선택

코드베이스가 빠르게 업데이트되는 반면 Docker 이미지 릴리스 주기는 느리기 때문에 다음을 참고하세요:

• Docker Hub에서 최신 이미지 태그를 확인하세요
• 환경에 맞는 적절한 이미지 태그를 선택하세요
• Lite 는 Docker 이미지에 ASR 모델과 UVR5 모델이 포함되어 있지 않음을 의미합니다. UVR5 모델은 사용자가 직접 다운로드해야 하며, ASR 모델은 필요 시 프로그램이 자동으로 다운로드합니다
• Docker Compose 실행 시, 해당 아키텍처에 맞는 이미지(amd64 또는 arm64)가 자동으로 다운로드됩니다
• 선택 사항: 최신 변경사항을 반영하려면 제공된 Dockerfile을 사용하여 로컬에서 직접 이미지를 빌드할 수 있습니다

환경 변수

• is_half: 반정밀도(fp16) 사용 여부를 제어합니다. GPU가 지원하는 경우 true로 설정하면 메모리 사용량을 줄일 수 있습니다

공유 메모리 설정

Windows(Docker Desktop)에서는 기본 공유 메모리 크기가 작아 예기치 않은 동작이 발생할 수 있습니다. 시스템 메모리 상황에 따라 Docker Compose 파일에서 shm_size를 (예: 16g)로 증가시키는 것이 좋습니다

서비스 선택

docker-compose.yaml 파일에는 두 가지 서비스 유형이 정의되어 있습니다:

• GPT-SoVITS-CU126 및 GPT-SoVITS-CU128: 전체 기능을 포함한 풀 버전
• GPT-SoVITS-CU126-Lite 및 GPT-SoVITS-CU128-Lite: 의존성이 줄어든 경량 버전

특정 서비스를 Docker Compose로 실행하려면 다음 명령을 사용하세요:

docker compose run --service-ports <GPT-SoVITS-CU126-Lite|GPT-SoVITS-CU128-Lite|GPT-SoVITS-CU126|GPT-SoVITS-CU128>

Docker 이미지 직접 빌드하기

직접 이미지를 빌드하려면 다음 명령어를 사용하세요:

bash docker_build.sh --cuda <12.6|12.8> [--lite]

실행 중인 컨테이너 접속하기 (Bash Shell)

컨테이너가 백그라운드에서 실행 중일 때 다음 명령어로 셸에 접속할 수 있습니다:

docker exec -it <GPT-SoVITS-CU126-Lite|GPT-SoVITS-CU128-Lite|GPT-SoVITS-CU126|GPT-SoVITS-CU128> bash

사전 학습된 모델

install.sh가 성공적으로 실행되면 No.1,2,3 은 건너뛰어도 됩니다.

1. GPT-SoVITS Models 에서 사전 학습된 모델을 다운로드하고, GPT_SoVITS/pretrained_models 디렉토리에 배치하세요.

2. G2PWModel.zip(HF)| G2PWModel.zip(ModelScope) 에서 모델을 다운로드하고 압축을 풀어 G2PWModel로 이름을 변경한 후, GPT_SoVITS/text 디렉토리에 배치하세요. (중국어 TTS 전용)

3. UVR5 (보컬/반주 분리 & 잔향 제거 추가 기능)의 경우, UVR5 Weights 에서 모델을 다운로드하고 tools/uvr5/uvr5_weights 디렉토리에 배치하세요.

   • UVR5에서 bs_roformer 또는 mel_band_roformer 모델을 사용할 경우, 모델과 해당 설정 파일을 수동으로 다운로드하여 tools/UVR5/UVR5_weights 폴더에 저장할 수 있습니다. 모델 파일과 설정 파일의 이름은 확장자를 제외하고 동일한 이름을 가지도록 해야 합니다. 또한, 모델과 설정 파일 이름에는 **"roformer"**가 포함되어야 roformer 클래스의 모델로 인식됩니다.

   • 모델 이름과 설정 파일 이름에 모델 유형을 직접 지정하는 것이 좋습니다. 예: mel_mand_roformer, bs_roformer. 지정하지 않으면 설정 파일을 기준으로 특성을 비교하여 어떤 유형의 모델인지를 판단합니다. 예를 들어, 모델 bs_roformer_ep_368_sdr_12.9628.ckpt와 해당 설정 파일 bs_roformer_ep_368_sdr_12.9628.yaml은 한 쌍입니다. kim_mel_band_roformer.ckpt와 kim_mel_band_roformer.yaml도 한 쌍입니다.

4. 중국어 ASR (추가 기능)의 경우, Damo ASR Model, Damo VAD Model 및 Damo Punc Model 에서 모델을 다운로드하고, tools/asr/models 디렉토리에 배치하세요.

5. 영어 또는 일본어 ASR (추가 기능)의 경우, Faster Whisper Large V3 에서 모델을 다운로드하고, tools/asr/models 디렉토리에 배치하세요. 또한, 다른 모델 은 더 적은 디스크 용량으로 비슷한 효과를 가질 수 있습니다.

데이터셋 형식

텍스트 음성 합성(TTS) 주석 .list 파일 형식:

vocal_path|speaker_name|language|text

언어 사전:

• 'zh': 중국어
• 'ja': 일본어
• 'en': 영어

예시:

D:\GPT-SoVITS\xxx/xxx.wav|xxx|en|I like playing Genshin.

미세 조정 및 추론

WebUI 열기

통합 패키지 사용자

go-webui.bat을 더블 클릭하거나 go-webui.ps1를 사용하십시오. V1으로 전환하려면, go-webui-v1.bat을 더블 클릭하거나 go-webui-v1.ps1를 사용하십시오.

기타

python webui.py <언어(옵션)>

V1으로 전환하려면,

python webui.py v1 <언어(옵션)>

또는 WebUI에서 수동으로 버전을 전환하십시오.

미세 조정

경로 자동 채우기가 지원됩니다

1. 오디오 경로를 입력하십시오.
2. 오디오를 작은 청크로 분할하십시오.
3. 노이즈 제거(옵션)
4. ASR 수행
5. ASR 전사를 교정하십시오.
6. 다음 탭으로 이동하여 모델을 미세 조정하십시오.

추론 WebUI 열기

통합 패키지 사용자

go-webui-v2.bat을 더블 클릭하거나 go-webui-v2.ps1를 사용한 다음 1-GPT-SoVITS-TTS/1C-inference에서 추론 webui를 엽니다.

기타

python GPT_SoVITS/inference_webui.py <언어(옵션)>

또는

python webui.py

그런 다음 1-GPT-SoVITS-TTS/1C-inference에서 추론 webui를 엽니다.

V2 릴리스 노트

새로운 기능:

1. 한국어 및 광둥어 지원

2. 최적화된 텍스트 프론트엔드

3. 사전 학습 모델이 2천 시간에서 5천 시간으로 확장

4. 저품질 참조 오디오에 대한 합성 품질 향상

   자세한 내용

V1 환경에서 V2를 사용하려면:

1. pip install -r requirements.txt를 사용하여 일부 패키지 업데이트

2. github에서 최신 코드를 클론하십시오.

3. huggingface에서 V2 사전 학습 모델을 다운로드하여 GPT_SoVITS/pretrained_models/gsv-v2final-pretrained에 넣으십시오.

   중국어 V2 추가: G2PWModel.zip(HF)| G2PWModel.zip(ModelScope) (G2PW 모델을 다운로드하여 압축을 풀고 G2PWModel로 이름을 변경한 다음 GPT_SoVITS/text에 배치합니다.)

V3 릴리스 노트

새로운 기능:

1. 음색 유사성이 더 높아져 목표 음성에 대한 학습 데이터가 적게 필요합니다. (기본 모델을 직접 사용하여 미세 조정 없이 음색 유사성이 크게 향상됩니다.)

2. GPT 모델이 더 안정적이며 반복 및 생략이 적고, 더 풍부한 감정 표현을 가진 음성을 생성하기가 더 쉽습니다.

   자세한 내용

v2 환경에서 v3 사용하기:

1. pip install -r requirements.txt로 일부 패키지를 업데이트합니다.

2. 최신 코드를 github 에서 클론합니다.

3. v3 사전 훈련된 모델(s1v3.ckpt, s2Gv3.pth, 그리고 models--nvidia--bigvgan_v2_24khz_100band_256x 폴더)을 huggingface에서 다운로드하여 GPT_SoVITS/pretrained_models 폴더에 넣습니다.

   추가: 오디오 슈퍼 해상도 모델에 대해서는 다운로드 방법을 참고하세요.

V4 릴리스 노트

신규 기능:

1. V4는 V3에서 발생하는 비정수 배율 업샘플링으로 인한 금속성 잡음 문제를 수정했으며, 소리가 먹먹해지는 것을 방지하기 위해 기본적으로 48kHz 오디오를 출력합니다 (V3는 기본적으로 24kHz만 지원). 개발자는 V4를 V3의 직접적인 대체 버전으로 보고 있지만 추가 테스트가 필요합니다. 자세히 보기

V1/V2/V3 환경에서 V4로 전환 방법:

1. 일부 의존 패키지를 업데이트하기 위해 pip install -r requirements.txt 명령어를 실행하세요.

2. GitHub에서 최신 코드를 클론하세요.

3. huggingface에서 V4 사전 학습 모델(gsv-v4-pretrained/s2v4.ckpt 및 gsv-v4-pretrained/vocoder.pth)을 다운로드하고 GPT_SoVITS/pretrained_models 디렉토리에 넣으세요.

V2Pro 릴리스 노트

신규 기능:

1. V2보다 약간 높은 VRAM 사용량이지만 성능은 V4보다 우수하며, V2 수준의 하드웨어 비용과 속도를 유지합니다. 자세히 보기

2. V1/V2와 V2Pro 시리즈는 유사한 특징을 가지며, V3/V4도 비슷한 기능을 가지고 있습니다. 평균 음질이 낮은 학습 데이터셋에서는 V1/V2/V2Pro가 좋은 결과를 내지만 V3/V4는 그렇지 못합니다. 또한 V3/V4의 합성 음색은 전체 학습 데이터셋보다는 참고 음성에 더 가깝습니다.

V1/V2/V3/V4 환경에서 V2Pro로 전환 방법:

1. 일부 의존 패키지를 업데이트하기 위해 pip install -r requirements.txt 명령어를 실행하세요.

2. GitHub에서 최신 코드를 클론하세요.

3. huggingface에서 V2Pro 사전 학습 모델(v2Pro/s2Dv2Pro.pth, v2Pro/s2Gv2Pro.pth, v2Pro/s2Dv2ProPlus.pth, v2Pro/s2Gv2ProPlus.pth, 및 sv/pretrained_eres2netv2w24s4ep4.ckpt)을 다운로드하고 GPT_SoVITS/pretrained_models 디렉토리에 넣으세요.

할 일 목록

• 최우선순위:

  • 일본어 및 영어 지역화.
  • 사용자 가이드.
  • 일본어 및 영어 데이터셋 미세 조정 훈련.

• 기능:

  • 제로샷 음성 변환 (5초) / 소량의 음성 변환 (1분).
  • TTS 속도 제어.
  • 향상된 TTS 감정 제어.
  • SoVITS 토큰 입력을 단어 확률 분포로 변경해 보세요.
  • 영어 및 일본어 텍스트 프론트 엔드 개선.
  • 작은 크기와 큰 크기의 TTS 모델 개발.
  • Colab 스크립트.
  • 훈련 데이터셋 확장 (2k 시간에서 10k 시간).
  • 더 나은 sovits 기본 모델 (향상된 오디오 품질).
  • 모델 블렌딩.

(추가적인) 명령줄에서 실행하는 방법

명령줄을 사용하여 UVR5용 WebUI 열기

python tools/uvr5/webui.py "<infer_device>" <is_half> <webui_port_uvr5>

명령줄을 사용하여 데이터세트의 오디오 분할을 수행하는 방법은 다음과 같습니다.

python audio_slicer.py \
    --input_path "<path_to_original_audio_file_or_directory>" \
    --output_root "<directory_where_subdivided_audio_clips_will_be_saved>" \
    --threshold <volume_threshold> \
    --min_length <minimum_duration_of_each_subclip> \
    --min_interval <shortest_time_gap_between_adjacent_subclips>
    --hop_size <step_size_for_computing_volume_curve>

명령줄을 사용하여 데이터 세트 ASR 처리를 수행하는 방법입니다(중국어만 해당).

python tools/asr/funasr_asr.py -i <input> -o <output>

ASR 처리는 Faster_Whisper(중국어를 제외한 ASR 마킹)를 통해 수행됩니다.

(진행률 표시줄 없음, GPU 성능으로 인해 시간 지연이 발생할 수 있음)

python ./tools/asr/fasterwhisper_asr.py -i <input> -o <output> -l <language> -p <precision>

사용자 정의 목록 저장 경로가 활성화되었습니다.

감사의 말

다음 프로젝트와 기여자들에게 특별히 감사드립니다:

이론 연구

• ar-vits
• SoundStorm
• vits
• TransferTTS
• contentvec
• hifi-gan
• fish-speech
• f5-TTS
• shortcut flow matching

사전 학습 모델

• Chinese Speech Pretrain
• Chinese-Roberta-WWM-Ext-Large
• BigVGAN
• eresnetv2

추론용 텍스트 프론트엔드

• paddlespeech zh_normalization
• split-lang
• g2pW
• pypinyin-g2pW
• paddlespeech g2pw

WebUI 도구

• ultimatevocalremovergui
• audio-slicer
• SubFix
• FFmpeg
• gradio
• faster-whisper
• FunASR
• AP-BWE

@Naozumi520 님께 감사드립니다. 광둥어 학습 자료를 제공해 주시고, 광둥어 관련 지식을 지도해 주셔서 감사합니다.

모든 기여자들에게 감사드립니다 ;)