网站首页设计过程信息推广服务

GPT-SoVITS Windows 配置与推理笔记（自用）

这是给自己留的备份，方便下次查。Windows 端配置和推理为主，代码为核心，直接干货。

环境准备

• 系统：Windows 10/11
• Python：3.9（别用别的版本，坑多）
• GPU（可选）：NVIDIA + CUDA 11.8（没 GPU 也能跑，慢点）
• FFmpeg：解压后扔根目录（最新版自带，但建议手动确认）

下载与安装

Git 下载（可选）：

git clone https://github.com/RVC-Boss/GPT-SoVITS.git

或者直接去 GPT-SoVITS 项目页，点“Code”按钮，选“Download ZIP”。解压到 D:\GPT-SoVITS（路径自己定）。

进去后双击 go-webui.bat，第一次跑会自动装依赖和下载模型。需要啥提前装好：

• Python 3.9：

  python --version  # 检查是不是 3.9.x
  

• FFmpeg（最新版 GPT-SoVITS 自带，但建议手动放一份）：
  下载后放 D:\GPT-SoVITS，验证：

  ffmpeg -version
  

依赖安装（如果自动失败）

go-webui.bat 一般自动搞定，但要是卡住（比如网络问题），手动敲：

python -m venv venv
venv\Scripts\activate
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

PyTorch 按需装：

• GPU：

  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  

  （CUDA 版本不对就去 PyTorch 官网 找对应链接）
• CPU：

  pip install torch torchvision torchaudio
  

检查：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

运行 WebUI

双击 go-webui.bat，会弹地址：

http://127.0.0.1:9880

浏览器打开。界面分几个Tab，我只用推理：

• 模型选择：挑 GPT 和 SoVITS 权重
• 音频输入：初始音频
• 文本输入：想说的内容
• 生成按钮：点一下出结果

坑：推理界面，选完模型点“刷新”后，必须勾选 [开启TTS推理WebUI]，不然不会跳到语音合成页面。

推理步骤

1. 权重放好：
   • D:\GPT-SoVITS\GPT_weights
   • D:\GPT-SoVITS\SoVITS_weights
     下载地址：【碧蓝档案】全学生AI音色模型（自己挑喜欢的角色）。
2. 初始音频：3-10 秒 WAV，上传到 WebUI，音色全靠它。
3. 输入文本：“测试一下”之类，选好权重，点生成，底下出音频。
4. 文本太长：用“切分”功能，分段处理，不然容易崩。

注意

• 音色偏向初始音频，选清晰的，别含背景杂音。
• 想“唱歌”：用 UVR5（tools/uvr5/ 下有）分解人声，每段推理再拼，效果更像原唱。
• 推理时间：GPU 快，CPU 得等几秒。

问题

• WebUI 打不开：端口 9880 被占，编辑 go-webui.bat，改成别的（比如 9881）。
• 依赖装不上：换源，或确认 Python 是 3.9。
• 模型加载失败：检查权重路径和文件名，别多空格或中文。

补充

• 初始音频质量：录个干净的，别用手机随便录，杂音多效果差。
• 权重版本：B站那个碧蓝档案的模型可能更新，下载前看下评论确认兼容。