GPT-SoVITS issues

启用并行推理，和不启用到底哪个质量高？或者只是速度快，并且界面选项变了？

启用并行推理，和不启用到底哪个**质量高**？或者只是速度快，和界面选项变了，生成的语音都差不多？

douxuebuhui

使用v2pro进行sovits训练，gpu_load很低，速度比较慢

1

请问如何解决？batch_size=40

codexq123

【功能建议】改进推理时的文本切分策略，增强长文本的语义连贯性

1

首先，非常感谢开发者们的辛勤工作，GPT-SoVITS 是一个非常出色的项目！我在使用过程中发现，当前默认的文本切分策略（例如 sentence4 模式）在处理较长的、包含复杂从句或特定语气的文本时，可能会破坏句子的语义连贯性。该策略主要依赖于标点符号（如逗号、句号、分号等）进行切分，虽然在多数情况下有效，但有时会在不适合停顿的地方强制截断，导致合成的音频听起来不自然，情感和语流被打断。一个非常典型的例子：原始文本： “秦plus纯电采用了创新的刀片电池，这种电池有良好的特性，针刺测试中不起火，不冒烟，有效避免了热失控。” 当前实际切分结果： “秦plus纯电采用了创新的刀片电池，这种电池有良好的特性，针刺测试中不起火，不冒烟，” “有效避免了热失控。” 问题分析：这个切分是问题的完美体现。“有效避免了热失控” 是对前面 “不起火，不冒烟” 等一系列优良特性的直接总结和结果。这是一个非常紧密的因果逻辑链。当前的切分方式，在“不冒烟”后的逗号处强行截断，导致音频在这里产生一个不自然的停顿。

Crestina2001

推理WebUI打不开报错，求大佬看看帮忙

Loading Text2Semantic weights from GPT_weights/._yicheng-en-v2-e15.ckpt Traceback (most recent call last): File "E:\GPT-SoVITS-v2pro-20250604\GPT-SoVITS-v2pro-20250604\GPT_SoVITS\inference_webui_fast.py", line 144, in tts_pipeline = TTS(tts_config) File "E:\GPT-SoVITS-v2pro-20250604\GPT-SoVITS-v2pro-20250604\GPT_SoVITS\TTS_infer_pack\TTS.py", line 437, in __init__ self._init_models() File "E:\GPT-SoVITS-v2pro-20250604\GPT-SoVITS-v2pro-20250604\GPT_SoVITS\TTS_infer_pack\TTS.py", line 461, in...

a1263428753

Error while Training: Software caused connection abort

- Environment：Win11+WSL2+Rocm 6.2.3 - Device：AMD Radeon RX7900XTX(GFX1100) - Logs： ```bash [rank0]:[W831 16:10:20.914206846 ProcessGroupNCCL.cpp:1250] Warning: WARNING: process group has NOT been destroyed before we destruct ProcessGroupNCCL. On normal program exit, the...

Nexusyyan

How to run on GPU the api_v2.py and api.py

1

Hi How to run on GPU the api_v2.py and api.py? - I installed CUDA Toolkit and cuDNN installed. - OI installed pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu129 - I...

StrangerGithuber

用的整合包，4060训练速度极慢，求各位大佬帮忙

3

看了下GPU发现它总是工作一会再停一阵子，干活的时候跑的飞快，但是就只有几秒而已，一停下来，进度就不动了，求大佬告知怎么解决在我使用官方V2整合包时有这样的警告

Hunted-doge

从零训练sovits模型遇到的音质问题

10

尝试从开源数据集精选的5000小时数据从零训练v2ProPlus的sovits模型，遇到了比较明显的杂音/电音问题（中文的问题比英文严重），原始数据集里面是没有这类问题的训练设置： 1、想着能够兼容历史版本的预训练GPT模型，所以没有把freeze_quantizer设置为False 2、训练数据的有效频谱大都在8k-12k左右，达到16k有效频谱的占比很小 3、用float32训练的，没开half 训练进度：目前在4张A100上面训练了5天、过了5个epoch，mel loss降到了23左右，不清楚继续训练下去能否进一步下降这里面的一个可疑点是鉴别器的loss始终没有明显的下降趋势杂音问题在频谱上主要体现在谐波间的杂音过多、高频部分噪声较多、谐波不连续目前想到的一个问题原因是预训练的encoder（ssl_proj+vq）不匹配我当前所用训练数据的特性。下面几个问题请教一下大佬 @RVC-Boss 5kh这个数据量下从零训v2ProPlus的sovits大概需要训练多少个epoch、以及mel loss要降到多少音质才会比较理想？这个杂音问题有什么其他可能的原因吗？感谢！

wzy3650