GPT-SoVITS是一个少样本TTS工具，仅需要极少的数据即可训练出性能不错的模型。不仅有着易用的WebUI，让AI领域小白也能轻松训练，还有这方便的api，可以与许多软件搭配使用TTS功能。
在此，我们使用开源阅读app，搭配GPT-SoVITS的api，实现让你喜欢的二次元角色为你朗读轻小说！你需要的，仅仅是一个性能还可以英伟达的显卡，实测弱如RTX 3050 4g也能跑。
早期准备
想要准备模型训练，首先，我们需要的是在本地部署GPT-SoVITS。有了github上打包的整合包，这使得配置python环境变得极为简单。如果你不懂python，只需要跟随官网写好的教程完成即可https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e/xyyqrfwiu3e2bgyk
如果你是有自信，下载解压包后，可以直接运行go-webui.bat。一键式启动大大简化了环境部署的复杂程度。
程序启动后，访问本地端口的gradio页面（http://localhost:9874/），首先映入眼帘的是数据集处理。比起从零开始收集数据集，我更建议没有经验的初次使用者去huggingface寻找现有的数据集。我们使用Chtholly-dev/Chtholly-vocal-refined这个数据集。
训练
至于模型的训练，程序设计的已经很简单了。直接导入训练集，完成文本获取、SSL提取以及token提取后，即可进行SoVITS训练以及GPT训练。考虑到炼丹的玄学成分，可以直接使用默认参数训练，这里笔者使用的400条平均两秒多的数据集，SoVITS模型训练八轮，GPT模型训练15轮即有不错的表现。
当然，开源社区已经有不少人分享了自己训练的模型。如果你希望使用的角色是热门角色的话，大概率可以找到别人分享的。请注意区分，v2模型和早期版本的模型不通用，需要放到不同的目录下。
如图，v2版本的GPT模型和SoVITS模型应放到选中路径中。早期版本放到没有_v2后缀的目录中。
推理
程序的推理有两种，一种是通过gradio，也就是浏览器界面进行文本输入、而后进行推理。l另一种则是通过api进行。简单来说，api就是一个接口，让你实现通过一串链接向程序传递你的需求，程序则会返回你需求的文件。
在使用api前，我们需要一些前期的设置。
首先，我们需要设置默认模型。打开目录中的config.py，找到sovits_path和gpt_path，填写你的模型路径。比如：
sovits_path = "SoVITS_weights_v2/chtholly_e8_s264.pth"
gpt_path = "GPT_weights_v2/chtholly-e15.ckpt"保存后，我们可以新建一个批处理文件，来启动api.py
在程序根目录新建文件api.bat，右键编辑，输入如下：
runtime\python.exe api.py
pause
而后双击启动bat文件，打开api程序。不出意外，此时你可以观察到如下输出：
这就证明api已经在监听本地端口9880了。
api的使用
如果你根据教程尝试过直接在webui推理，你就会知道需要输入的几个关键参数：参考音频及其语言、文本，想要推理的文本及其语言，断句方式以及语速等。同样，我们需要构建链接来通过api传递这些信息。
http://127.0.0.1:9881/?refer_wav_path=C:\refer\wav\01.wav&prompt_text=通の人と同じような夢を求めることが許されるなら&prompt_language=日文&text={speakText}}&text_language=中英混合&cut_punc=。？」！top_k=15&top_p=1&temperature=1&speed={{String(speakSpeed / 10)}}这段这是是我利用开源阅读app的内置TTS功能编写的。注意其中几个重要的参数，refer_wav_path是参考音频的路径，prompt_text是参考音频的内容。