Skip to content

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

  1. 把模型按下面的「模型目录」摆好
  2. 设置 → dsh声音 → 填「模型目录」(比如 D:\AI\GPT-SoVITS\models)→ 刷新状态
  3. 下拉里选中模型 → 应用模型
  4. 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 QQ
  • voices[] 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。