pyVideoTrans

Appearance

配音渠道：GPT-SoVITS ​

一、什么是 GPT-SoVITS ​

GPT-SoVITS 是一款出色的多语言文本到语音（TTS）开源项目，支持中、英、日、韩等多种语言，主要功能包括：

  • 零样本文本到语音（TTS）：仅需 5 秒的声音样本，即可快速生成语音
  • 少样本 TTS：只需 1 分钟的训练数据即可对模型进行微调，提升音色相似度和自然度
  • 跨语言支持：支持与训练数据集不同语言的合成，目前支持英语、日语、韩语、粤语和中文

GPT-SoVITS v2 新特性 ​

  1. 增加对韩语和粤语的支持
  2. 优化文本前端处理
  3. 扩展底层模型训练数据量至 5000 小时
  4. 对于低质量的参考音频（如高频缺失、音质闷的网络音频）能生成更高质量的合成音频

GPT-SOVITS 用户手册：https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e

二、前置条件 ​

条件说明
pyVideoTrans 版本v3.66 或更高版本
GPT-SoVITS 版本推荐 v2 版本（已集成支持）
硬件建议有 NVIDIA 显卡（GPU 加速），CPU 也可运行
参考音频格式WAV 格式，时长 5~10 秒

重要提示：必须使用 GPT-SoVITS 官方整合包或官方源码部署。第三方 API 接口与官方不兼容，可能导致视频翻译软件报错。

三、部署步骤 ​

第一步：下载整合包 ​

下载 GPT-SoVITS 的官方整合包：https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e/dkxgpiy9zb96hob4

image.png

第二步：启动 API 服务 ​

  1. 进入 GPT-SoVITS 文件夹
  2. 在地址栏输入 cmd 并回车，打开终端窗口
  3. 输入以下命令启动 API 服务：
bash
.\runtime\python api_v2.py

image.png

必须启动 API 服务才可在翻译软件中使用！ 默认端口为 9880。

第三步：配置 pyVideoTrans ​

1. 填写 API 地址 ​

启动软件，依次点击：菜单 → TTS设置 → GPT-SoVITS

在「API 文本框」中填入：

http://127.0.0.1:9880

image.png

注意：默认端口为 9880，如果修改端口，API 地址也需相应更改。本地部署时地址应填写 127.0.0.1，而不是 0.0.0.0。

2. 填写参考音频 ​

参考音频必须是 WAV 格式，时长 5~10 秒，否则会报 400 Client error 错误。

参考音频是 GPT-SoVITS 用于克隆音色的原始音频。操作步骤：

  1. 准备一个 WAV 音频文件（如 1.wav，时长 5 秒，内容为「今天是个好天气，瓢泼大雨倾盆下」）
  2. 将该文件复制到 GPT-SoVITS 文件夹，与 api_v2.py 放在同一位置
  3. 在软件的「参考音频文本框」中填写格式如下：
文件名.wav#音频对应的文字内容#语言代码

image.png

语言代码：zh 表示中文，en 表示英文，ja 表示日语，ko 表示韩语。

如果你将参考音频文件统一存放在 GPT-SoVITS 目录内的 wavs 文件夹中，则参考音频路径应为：

wavs/1.wav#今天是个好天气，瓢泼大雨倾盆下#zh

image.png

3. 勾选 api_v2? ​

如果你启动的是 api_v2.py 文件，请确保选中「api_v2?」选项。

image.png

4. 测试连接 ​

点击「测试」按钮，若无报错，则配置成功。

四、在 pyVideoTrans 中使用 ​

配置完成后，在主界面的「配音渠道」下拉列表中选择「GPT-SoVITS」即可使用。

支持的功能：

  • 单视频配音：在主界面选择 GPT-SoVITS 作为配音渠道
  • 批量配音：在批量配音界面同样选择 GPT-SoVITS
  • 多角色配音：可以为不同角色配置不同的参考音频

五、参考音频要求 ​

项目要求
格式WAV 格式（必须）
时长5~10 秒（最佳），3 秒以下会报错
内容发音清晰，无背景噪音
放置位置与 api_v2.py 同目录，或 wavs 子目录

源码代码验证（_gptsovits.py）：参考音频超过 10 秒会自动截断至 9990ms，小于 3 秒会跳过并报错「参考音频时长不足 3 秒」。

六、常见问题 ​

1. 测试时提示 404 错误 ​

这是由于使用了第三方整合包导致的，第三方包的 API 与官方不兼容。请下载并使用官方包。

2. 提示「远端计算机积极拒绝」或「请检查是否启动api服务」 ​

可能原因：

  • API 服务未启动 → 请先运行 .\runtime\python api_v2.py
  • 被防火墙拦截 → 请关闭防火墙或将 GPT-SoVITS 加入白名单
  • 端口号填写错误 → 确认使用默认端口 9880

3. 报错 400 Client error ​

参考音频格式或时长不符合要求，请检查：

  • 是否为 WAV 格式
  • 时长是否在 5~10 秒之间

4. 无法连接到 GPT-SoVITS ​

确保：

  • GPT-SoVITS 的 API 服务已启动（终端窗口不能关闭）
  • API 地址填写正确（http://127.0.0.1:9880）
  • 使用的是官方版本，而非第三方包