Original em inglês: https://argusic.com/subject/gpt-sovits
GPT-SoVITS
1 min de dados de voz também pode ser usado para treinar um bom modelo TTS! (clonagem de voz com poucos exemplos)
Executafonte: GitHubPythonMITcommit 48b1a0169a28
Python, licença MIT. O projeto se descreve como: text to speech, tts, vits, voice clone, voice cloneai e voice cloning.
GPT-SoVITS executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 35 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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
- Tempo de instalação
- 35 minutos
- Da máquina limpa até o fim
- 23 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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 exato testado
- 48b1a0169a28
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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()`
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 35 minutos.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/gpt-sovits)Perguntas
- GPT-SoVITS executa?
- Sim. GPT-SoVITS executa. A Argusic o instalou e iniciou em uma máquina limpa em 35 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou GPT-SoVITS?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 48b1a0169a28. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar GPT-SoVITS?
- A execução que produziu este veredito custou US$ 0,16: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar GPT-SoVITS?
- 35 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- GPT-SoVITS precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar GPT-SoVITS?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de GPT-SoVITS?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.