Original en inglés: https://argusic.com/subject/gpt-sovits
GPT-SoVITS
¡1 min de datos de voz también se puede usar para entrenar un buen modelo TTS! (clonación de voz con pocas muestras)
Funcionafuente: GitHubPythonMITcommit 48b1a0169a28
Python, licencia MIT. El proyecto se describe a sí mismo como: text to speech, tts, vits, voice clone, voice cloneai y voice cloning.
GPT-SoVITS funciona. Un agent de Argusic lo instaló en 35 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
GPT-SoVITS API server starts and responds to TTS inference requests: HTTP 200 with a valid synthesized WAV audio file returned for English text-to-speech using a default reference audio on CPU.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- pyopenjtalk failed - Python.h not found8 minutos
- jieba_fast failed - Python.h not found3 minutos
- opencc build from source failed (missing C dependencies)2 minutos
- NLTK averaged_perceptron_tagger_eng missing1 minuto
- Tiempo de instalación
- 35 minutos
- De máquina en frío a terminar
- 23 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl -s -m 60 'http://127.0.0.1:9886/?text=hello+world&text_language=en' -o /tmp/output.wav -w '%{http_code}' returned 200; output was a valid 137KB, 2.14s WAV file verified by ffprobe and ffmpeg
- Tokens de modelo usados
- 840.898
- Commit exacto probado
- 48b1a0169a28
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
launch_succeeded: Yes, the API server started and responded to requests install_succeeded: YesHere is the final summary of everything I observed and verified: **Install**: Created a Python 3.12 venv, installed PyTorch CPU, and all 80+ pip packages from `requ… **Dependencies verified**: torch, opencc, pyopenjtalk, jieba_fast, jieba, gradio, fastapi, onnxrunt… **Pretrained models**: Downloaded from HuggingFace (chinese-hubert-base, chinese-roberta-wwm-ext-la… **G2PW ONNX inference**: `G2PWPinyin.pinyin(['你好', '世界'])` returned `[['nǐ'], ['hǎo'], ['shì'], ['j… **API server**: Started on port 9886, accepted HTTP requests, performed full TTS inference end-to-e… **Errors encountered**: - opencc build from source failed → fixed via `opencc-1.4.2` prebuilt wheel - pyopenjtalk failed due to missing `Python.h` → extracted and installed `libpython3.12-dev` header… - jieba_fast failed due to same missing headers → same fix - NLTK `averaged_perceptron_tagger_eng` not found → downloaded via `nltk.download()`
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 35 minutos.
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/gpt-sovits)Preguntas
- ¿Funciona GPT-SoVITS?
- Sí. GPT-SoVITS funciona. Argusic lo instaló y lo inició en una máquina limpia en 35 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic GPT-SoVITS?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 48b1a0169a28. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar GPT-SoVITS?
- La ejecución que produjo este veredicto costó 0,16 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda GPT-SoVITS en instalarse?
- 35 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita GPT-SoVITS una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar GPT-SoVITS?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de GPT-SoVITS?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.