dsh-gpt-sovits-voice
Verified@xiapeixu/dsh-gpt-sovits-voice · v0.5.3 · MIT · Web UI
把本机 GPT-SoVITS 的音色接进 DSH:sovits_speak / sovits_voices / sovits_status / sovits_stop + 设置页
Install
dsh plugin add @xiapeixu/dsh-gpt-sovits-voice Confirm the layer applied with dsh --profile default --dump-config — see the install guide.
Source
Tags
Creators
Readme
@xiapeixu/dsh-gpt-sovits-voice
把本机 GPT-SoVITS 的声音接进 DSH:宿主半边提供四个工具,网页半边在「设置」里加一页「dsh声音」。
平台:Windows 10 / 11(播放走 PowerShell + winmm,暂不支持 macOS / Linux) DSH:0.2.1 及以上 本仓库不含任何语音模型:模型和参考音频要自己准备,版权归各自权利人
前置要求
插件本身只是一层「调用方」,真正发声的是本机的 GPT-SoVITS 服务。装之前请确认:
| 需要准备 | 说明 |
|---|---|
| GPT-SoVITS 本体 | 能起 api_v2.py,默认监听 127.0.0.1:9880 |
| 基础权重 | 跟模型版本匹配:v4 要 s2Gv4.pth + vocoder.pth;v2ProPlus 要 s2G/s2D |
| 角色模型 | 一个 .ckpt(GPT)+ 一个 .pth(SoVITS),版本要和 tts_infer.yaml 的 version 一致 |
| 参考音频 + 台词 | 一段 5~10 秒的干净人声,以及它的逐字转录,两者必须对得上 |
| 解码环境 | 50 系显卡建议 is_half: false(fp16 会把句子算断) |
安装
方式一:插件市场(上架后)
DSH → 设置 → 插件市场 → 搜索 @xiapeixu/dsh-gpt-sovits-voice → 安装 → 重启。
方式二:命令行
dsh plugin --profile desktop add @xiapeixu/dsh-gpt-sovits-voice
方式三:手动(开发用)
mklink /J "%USERPROFILE%\.dsh\profiles\desktop\node_modules\@xiapeixu\dsh-gpt-sovits-voice" <本包目录>
再在 %USERPROFILE%\.dsh\profiles\desktop\cordis.patch.yml 末尾加:
- insert:
- id: gpt-sovits-voice
name: '@xiapeixu/dsh-gpt-sovits-voice'
然后重启 DSH。
装完的第一次配置
- 把模型按下面的「模型目录」摆好
- 设置 → dsh声音 → 填「模型目录」(比如
D:\AI\GPT-SoVITS\models)→ 刷新状态 - 下拉里选中模型 → 应用模型
- 点「测试语音」验证
工具
| 工具 | 干什么 |
|---|---|
sovits_speak |
念话。voice 选音色、speed 调语速、play: false 只合成不播放(返回文件路径);超长按标点分段 |
sovits_voices |
列出音色:id、名字、参考音频、语速 |
sovits_status |
服务通不通、默认音色、音色数量、自动拉起开没开、配置路径 |
sovits_stop |
停掉正在念的那句 |
两次念话会排队,不会叠音;要打断就 sovits_stop。
模型目录约定
modelsDir 下一个子目录一个模型:
models/
└─ 你的角色名/
├─ xxx.ckpt GPT 权重
├─ xxx.pth SoVITS 权重
├─ ref.wav 参考音频(可选,但强烈建议)
└─ prompt.txt 参考音频的逐字转录(可选,但有 wav 就该配)
扫描规则:目录里必须有 .ckpt + .pth;有 .wav 就当参考音频,有 .txt/.lab 就当参考台词。应用模型时会调 GPT-SoVITS 的 set_gpt_weights / set_sovits_weights,并把参考音频/台词同步到默认音色。
⚠️ 模型版本必须和当前 tts_infer.yaml 的 custom.version 一致。v2ProPlus 的权重塞进 v4 配置里会加载失败——换大版本要改 yaml 再重启服务。
设置页
「设置 → dsh声音」,顶部是状态行(服务在不在 + 地址),可改:
| 项 | 说明 |
|---|---|
| 模型目录 | 模型所在的根目录,比如 D:\AI\GPT-SoVITS\models |
| 模型 | 从模型目录扫出来的权重包,选好点「应用模型」 |
| 服务地址 | 默认 http://127.0.0.1:9880/tts |
| 语速 | 1 是原速,0.5~2 |
| 采样 top_k | 越小越稳,越大越发散 |
| 测试文本 | 点「测试语音」念的那句 |
| 超时(毫秒) | 单次合成最长等待 |
| 本机播放 | 关掉后只合成不播放,适合把音频发到别处(QQ 等) |
按钮:保存 / 测试语音 / 刷新状态 / 启动服务(连不上时才出现)。
参考音频、参考台词是内部字段,不在页面上——通过模型目录带出来,或直接编辑 json。
接口
宿主给设置页开的接口(同源,无需鉴权):
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /api/gpt-sovits-voice/config |
读配置(默认音色平铺) |
| POST | /api/gpt-sovits-voice/config |
存配置(只改默认音色 + 全局字段) |
| GET | /api/gpt-sovits-voice/status |
服务在不在、音色数、配置路径 |
| GET | /api/gpt-sovits-voice/models |
扫 modelsDir 列出模型 |
| POST | /api/gpt-sovits-voice/model |
切模型(调 set_*_weights) |
| POST | /api/gpt-sovits-voice/test |
试音({ text, config },不落盘) |
| POST | /api/gpt-sovits-voice/start |
拉起服务并等端口 |
配置
~/.dsh/gpt-sovits-voice.json(第一次跑自动生成,默认是空的)
{
"endpoint": "http://127.0.0.1:9880/tts",
"textLang": "zh",
"timeoutMs": 120000,
"maxCharsPerRequest": 200,
"modelsDir": "",
"currentModel": "",
"testText": "这里是测试语音,喂喂喂听得到吗?",
"playLocally": true,
"defaultVoice": "",
"voices": [],
"autoStart": {
"enabled": false,
"command": "",
"workdir": "",
"waitSeconds": 120
}
}
modelsDir填了才有模型可切;autoStart配了command才能自动拉起服务playLocally:默认true(念了就在本机响);设成false就只合成、把音频留在~/.dsh/voice-out/,适合发 QQvoices[]由「应用模型」自动填;也可以手写多条(多音色)- 参考音频路径相对 GPT-SoVITS 仓库根目录(服务那边的 CWD),不是相对 DSH
maxCharsPerRequest小于 40 按 40 算
多工作区 / 多会话
- 插件按 profile 安装一次,所有工作区、所有会话共用同一份代码
- 配置只有一份:
~/.dsh/gpt-sovits-voice.json。改语速、音色、模型目录都是全局生效,不存在「某个工作区单独设置」 - 本机开发时把安装位做成指向源码的 junction(
mklink /J),改完源码重启 DSH,所有工作区一起变 - 如果发现某个窗口行为不一致,先看设置页状态行的版本号——多半是那个实例还挂着旧宿主,重启即可
自测
npm test
六个脚本,都是起假服务(440Hz 正弦波代替语音),跑完打印 self-test passed:
| 脚本 | 测什么 |
|---|---|
test/run.mjs |
四个工具 + 长文分段 |
test/routes.mjs |
读/存配置、状态 |
test/test-route.mjs |
试音接口(表单值生效且不写盘) |
test/normalize.mjs |
顶层旧字段并进 voices 并删除 |
test/start-route.mjs |
启动服务接口 |
test/models.mjs |
模型列表与切换 |
本地开发
npm run dev
等价 dsh web --patch .\cordis.dev.patch.yml,也可以双击 dev.cmd。dev patch 只加载宿主半边,设置页不会出来。
--patch后面必须写绝对路径(Loader 以 profile 目录为基准解析)- 报
EADDRINUSE 127.0.0.1:3080说明有旧实例占着端口
卸载
删掉 profile 补丁里那三行、rmdir 掉链接(或 dsh plugin remove),重启。
排查
| 现象 | 原因 / 处理 |
|---|---|
| 只听到「哼」一声、句子断掉 | is_half: true 在 50 系上会算崩,改成 false |
| 念的是参考台词而不是测试文本 | 旧版本 bug;现在走 testText |
| 声音闷、飘、没感情 | 参考音频问题:换 5~10 秒、干净、带情绪的单人片段,refAudio 和 promptText 一起换 |
连不上 127.0.0.1:9880 |
点「启动服务」(需配 autoStart);或手动起服务看 api.log |
报 Resource 'cmudict' not found |
v4 处理英文/数字需要 NLTK 数据,补 cmudict 和 averaged_perceptron_tagger_eng |
| 切模型后加载失败 | 模型版本和 tts_infer.yaml 的 version 不一致 |
| 改了语速 / top_k 但说话没变 | 多半是装了个旧版宿主(把参数存进顶层字段、合成时没读)。设置页状态行右边会显示版本号 v0.5.0;不是这个版本就重启 DSH 让新宿主加载 |
日志:插件 ~/.dsh/gpt-sovits-voice.log;服务端看 GPT-SoVITS 的 api.log。
许可
MIT(见 LICENSE)。模型、参考音频、角色声音不在此许可范围内,请自行确认授权。