GPT-SoVITS教程,接入酒馆AI,SillyTavern-1.11.5,让AI女友声若幽兰

本次分享一下如何将GPT-SoVITS接入SillyTavern-1.11.5项目，让让AI女友声若幽兰，首先明确一下，SillyTavern-1.11.5只是一个前端项目，它没有任何大模型文本生成能力，所以后端必须有一个api服务来流式生成对话文本，这里选择koboldcpp。

首先看一下简单的项目运行架构图：

这里SillyTavern作为前端负责向后端的Koboldcpp发起请求，Koboldcpp流式返回文本，SillyTavern接受聊天文本进行展示，当文本接受完毕后，SillyTavern再次向后端的GPT-SoVITS发起请求，将全量文本传递给后端GPT-SoVITS，GPT-SoVITS根据文字来生成语音，并将语音的二进制文件返回给SillyTavern，最后SillyTavern播放音频，至此，一个完整的流程就走完了。

部署SillyTavern

首先克隆SillyTavern的官方项目：

git clone https://github.com/SillyTavern/SillyTavern.git

直接运行启动脚本即可：

shell start.sh

如果是windows平台，运行bat:

start.bat

由于SillyTavern没有预留GPT-SoVITS的位置，所有将原本的XTTS改为GPT-SoVITS：

async fetchTtsGeneration(inputText, voiceId) {
        console.info(`Generating new TTS for voice_id ${voiceId}`);  

        if (this.settings.streaming) {
            const params = new URLSearchParams();
            params.append('text', inputText);
            params.append('speaker_wav', voiceId);
            params.append('language', this.settings.language);
            return `${this.settings.provider_endpoint}/tts_stream/?${params.toString()}`;
        }  

        const response = await doExtrasFetch(
            `${this.settings.provider_endpoint}/tts_to_audio/`,
            {
                method: 'POST',
                headers: {
                    'Content-Type': 'application/json',
                    'Cache-Control': 'no-cache',  // Added this line to disable caching of file so new files are always played - Rolyat 7/7/23
                },
                body: JSON.stringify({
                    'text': inputText,
                    'speaker_wav': voiceId,
                    'language': this.settings.language,
                }),
            },
        );
        if (!response.ok) {
            toastr.error(response.statusText, 'TTS Generation Failed');
            throw new Error(`HTTP ${response.status}: ${await response.text()}`);
        }
        return response;
    }

部署Koboldcpp

随后部署后端的大模型api:

git clone https://github.com/LostRuins/koboldcpp.git

输入编译命令

windows平台：

make

Mac平台：

make LLAMA_METAL=1

安装依赖：

pip install -r requirements.txt

启动服务：

Python3 koboldcpp.py --model /Users/liuyue/Downloads/causallm_7b-dpo-alpha.Q5_K_M.gguf  --gpulayers 40 --highpriority --threads 300

此时接口运行在http://localhost:5001

部署GPT-SoVITS

最后，部署GPT-SoVITS项目：

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

安装依赖：

pip3 install -r requirements.txt

修改一下api接口逻辑：

@app.post("/")
async def tts_endpoint(request: Request):
    json_post_raw = await request.json()
    return handle(
        json_post_raw.get("refer_wav_path"),
        json_post_raw.get("prompt_text"),
        json_post_raw.get("prompt_language"),
        json_post_raw.get("text"),
        json_post_raw.get("text_language"),
        json_post_raw.get("sweight"),
        json_post_raw.get("gweight"),
    )  

@app.get("/")
async def tts_endpoint(
        refer_wav_path: str = None,
        prompt_text: str = None,
        prompt_language: str = None,
        text: str = None,
        text_language: str = None,
        sweight: str = None,
        gweight: str = None,
):
    return handle(refer_wav_path, prompt_text, prompt_language, text, text_language,sweight,gweight)  

def speaker_handle():  

    return JSONResponse(["female_calm","female","male"], status_code=200)  

@app.get("/speakers_list")
async def speakerlist_endpoint():
    return speaker_handle()  

def tts_to_audio_handle(text):  

    return handle(llama_audio,llama_text,llama_lang,text,"中英混合")  

@app.post("/tts_to_audio/")
async def tts_to_audio(request: Request):
    json_post_raw = await request.json()
    return tts_to_audio_handle(json_post_raw.get("text"))  

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=port, workers=1)

这里添加新的基于get方法的speakers_list，是为了配合xtts接口的格式，同时基于post方法的tts_to_audio方法用来生成语音，它只接受一个参数text，也就是需要转为语音的文本。

至此，三个服务就都配置好了，最后奉上视频教程：

https://www.bilibili.com/video/BV1uJ4m1a7L4/