想要完整的 GPT-SoVITS 安装部署流程,需要从环境准备、安装步骤、运行测试到常见问题，为你提供一份详细且适合新手的操作指南。
一、GPT-SoVITS 安装部署全流程
1. 前置条件说明
GPT-SoVITS 是一款结合 GPT 和 SoVITS 的语音合成工具，对硬件有基础要求：
显卡：建议 NVIDIA 显卡(显存 ≥ 8GB，12GB+ 最佳)，需支持 CUDA(算力 ≥ 7.0);无独显可使用 CPU 运行，但速度极慢，仅用于测试。
系统：Windows 10/11(推荐)、Linux(Ubuntu 20.04+);macOS 仅支持 CPU 模式。
Python：版本需为 3.10(推荐，3.9/3.11 也可兼容，但 3.10 稳定性最佳)。
2. 环境准备
(1)安装 Python 与 Git
下载 Python 3.10：从 Python 官网 下载，安装时勾选「Add Python 3.10 to PATH」。
下载 Git：从 Git 官网 安装，默认选项即可。
(2)安装 CUDA 与 cuDNN(显卡用户必装)
查看显卡支持的 CUDA 版本：打开 NVIDIA 控制面板 → 帮助 → 系统信息 → 组件，查看「NVCUDA.DLL」对应的 CUDA 版本(如 12.1)。
下载对应版本的 CUDA Toolkit：从 NVIDIA 官网 下载，安装时选择「自定义安装」，仅勾选「CUDA → 核心组件」。
下载 cuDNN：需注册 NVIDIA 账号，下载与 CUDA 版本匹配的 cuDNN，解压后将文件夹内的 bin、include、lib 复制到 CUDA 安装目录(如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1)。
星宇智算官网支持免费部署立马安装！点击下方立即试用!
3. 安装部署步骤
(1)克隆项目仓库
打开命令提示符(CMD)或终端，执行以下命令：
bash
运行
# 克隆 GPT-SoVITS 仓库
git clone https://github.com/RVC-Boss/GPT-SoVITS.git
# 进入项目目录
cd GPT-SoVITS
(2)创建并激活虚拟环境(推荐)
bash
运行
# 创建虚拟环境
python -m venv venv
# Windows 激活虚拟环境
venv\Scripts\activate
# Linux/macOS 激活虚拟环境
source venv/bin/activate
(3)安装依赖包
bash
运行
# 升级 pip
pip install –upgrade pip
# 安装基础依赖(国内用户建议加清华源)
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装 PyTorch(关键!需匹配 CUDA 版本)
# CUDA 12.1 版本
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 –index-url https://download.pytorch.org/whl/cu121
# 无显卡/CPU 版本
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 –index-url https://download.pytorch.org/whl/cpu
(4)下载预训练模型
GPT-SoVITS 运行需要预训练模型，步骤如下：
进入项目目录下的 pretrained_models 文件夹(无则新建);
从项目官方开源地址(如 Hugging Face)下载 GPT 模型、SoVITS 模型、bert 模型，放入该文件夹;
确认模型文件命名与配置文件一致(默认配置无需修改，只需文件存在)。
(5)启动 WebUI
bash
运行
# 运行启动脚本
python webui.py
启动成功后，终端会显示本地访问地址(如 http://127.0.0.1:9880)，打开浏览器访问即可使用。
二、常见问题解答(FAQ)
1. 运行 webui.py 提示「No module named xxx」?
原因：依赖包未安装完整，或虚拟环境未激活。
解决：
确认已激活虚拟环境(终端前缀有 (venv));
重新执行 pip install -r requirements.txt，若仍报错，手动安装缺失的包(如 pip install xxx);
国内用户若下载失败，更换阿里云 / 豆瓣源：-i https://mirrors.aliyun.com/pypi/simple/。
2. 显卡可用但提示「CUDA out of memory」?
原因：显存不足，或模型加载时占用过高。
解决：
关闭其他占用显卡的程序(如浏览器、游戏);
修改 webui.py 中的参数，启用显存优化：添加 –low-vram 启动参数(python webui.py –low-vram);
若显存 ≤ 8GB，建议使用 CPU 模式测试，或降低合成时的音频长度。
3. PyTorch 安装后提示「CUDA is not available」?
原因：PyTorch 版本与 CUDA 不匹配，或显卡不支持 CUDA。
解决：
执行 python -c “import torch; print(torch.cuda.is_available())”，若输出 False，重新安装对应 CUDA 版本的 PyTorch;
确认显卡驱动已更新到最新版本(NVIDIA 官网下载 GeForce Experience 更新);
若为笔记本双显卡，需设置 Python 运行时使用独立显卡。
4. 合成音频时无声音 / 音质差?
原因：预训练模型缺失，或输入文本 / 参考音频不符合要求。
解决：
确认 pretrained_models 文件夹内模型完整，无缺失文件;
参考音频需满足：时长 5-30 秒、无杂音、清晰人声;
输入文本语言与模型匹配(如中文模型仅支持中文合成)。
5. Linux 系统启动后无法访问 WebUI?
原因：端口未开放，或绑定地址仅限本地。
解决：
启动时指定绑定所有地址：python webui.py –listen 0.0.0.0 –port 9880;
检查防火墙是否放行 9880 端口(Ubuntu：sudo ufw allow 9880)。
6. 模型下载速度慢 / 失败?
原因：网络限制，或 Hugging Face 访问不稳定。
解决：
使用国内镜像站下载模型(如 ModelScope);
配置 Git 代理：git config –global http.proxy http://127.0.0.1:7890(需替换为自己的代理端口)。
总结:
环境核心：Python 3.10 + 匹配版本的 PyTorch(CUDA/CPU)是安装成功的基础，务必确认版本兼容;
部署步骤：克隆仓库 → 虚拟环境 → 安装依赖 → 下载模型 → 启动 WebUI，按顺序执行可避免 80% 的问题;
常见问题：显存不足用 –low-vram 参数，CUDA 不可用检查 PyTorch 与显卡驱动，依赖缺失重新安装 requirements.txt。
整个安装过程的核心是「版本匹配」和「模型完整」，新手建议先在 Windows 系统测试，熟悉流程后再部署到 Linux 服务器。
