在服务器Ubuntu22.04系统下的
GPT-SoVITS的部署
欢迎使用我们公司服务器来部署和使用GPT-SoVITS大模型。通过本指南，您将学会如何在Ubuntu 22.04系统下安装和配置GPT-SoVITS大模型，并使用webui进行交互。如果您对我们的服务器感兴趣，可以在官网处获取服务器资源，我们还提供详细的部署帮助文档，帮助您轻松上手。
GPT-SoVITS 介绍

       GPT-SoVITS 是一个由 RVC 变声器创始人与 AI 音色转换技术专家合作开发的开源项目，它是一个强大的音色克隆工具，能够通过极少的样本数据实现高质量的语音克隆和文本到语音（TTS）转换。这个项目特别适合需要快速生成特定人声的场景，可以帮助用户在没有或只有少量目标说话人语音样本的情况下，训练出能够模仿该说话人声音的模型。

      项目地址：https://github.com/RVC-Boss/GPT-SoVITS

部署框架

在这个框架中，每个组件都有其特定的角色和功能，它们通过Web UI这个桥梁相互连接，共同为用户提供服务。用户通过浏览器与Web服务器交互，而Web服务器则负责与后端的GPT-SoVITS模型进行通信，以完成图片生成的任务。
•  用户（User）：
用户是最终与系统交互的人，他们使用Web UI来生成图片。
• 浏览器（Browser）：
用户通过浏览器访问Web服务器。浏览器充当客户端，发送HTTP请求并接收响应。
• Web服务器（Web Server）：
运行Ubuntu服务器上的软件，通常是Web框架的一部分，比如Flask或Django。它处理来自浏览器的HTTP请求，提供Web UI，并与后端服务交互。
• GPT-SoVITS模型（GPT-SoVITS Model）：
GPT-SoVITS 是一个强大的 AI 语音克隆工具，它能够通过极少的样本来克隆一个人的声音，并进行高质量的文本到语音（TTS）转换。
• Web UI（Web User Interface）：
用户通过Web UI与系统交互。Web UI是Web服务器提供的前端界面，允许用户上传图片、设置生成参数等。


GPT-SoVITS模型的优点和缺点
GPT-SoVITS 模型具有以下一些优点和缺点：
• 优点：
高质量语音生成：GPT-SoVITS能够生成自然流畅、接近真人的语。
灵活性：模型可以根据不同的输入条件，生成不同风格和情感的语训练效率：使用深度学习技术，GPT-SoVITS可以在相对较短的时间内训练出效果良好的模型。
跨语言支持：它支持多种语言，包括英语、日语、中文等，并且可以在这些语言之间进行跨语言合成。

• 缺点：
数据依赖性：模型的性能在很大程度上依赖于训练数据的质量和多样性。
计算资源：深度学习模型通常需要大量的计算资源，可能不适用于资源受限的环境。
泛化能力：尽管模型在训练集上表现良好，但在未见过的数据上可能泛化能力有限。
部署流程解释介绍
1. 购买 GPU 服务器
• 在官网购买并配置服务器：

• 操作系统选择：
     选择一个适合您需求的操作系统，通常推荐使用 Ubuntu 22.04 LTS，因为它提供了长期支持和稳定性。
• 购买和部署：
    完成购买流程，启动服务器，并进行初步配置。
    FinalShell是一款服务器管理工具，支持SSH和远程桌面，使用FinalShell远程连接配置服务器。

二、Ubuntu 22.04基本环境配置
• 更换Ubuntu镜像源：
     通常为了加速下载，可以更换到国内镜像源，如清华镜像源。
• 更新包列表:
     使用sudo apt update命令来更新软件包列表。
• 使用wget下载驱动包:
     通过wget命令下载NVIDIA显卡驱动安装包。
• 更新软件列表和安装必要软件、依赖:
     使用sudo apt update和sudo apt install命令安装所需的软件和依赖。
• 卸载原有驱动:
     如果有旧版驱动，需要先卸载。
• 安装驱动:
     执行下载的驱动包进行安装。
• 安装CUDA:
     CUDA是用于通用并行计算的编程模型和API，需要根据显卡型号选择合适的版本安装。
• 环境变量配置:
     配置环境变量以确保系统能够正确使用CUDA和显卡驱动。

三、安装miniconda环境
• 下载miniconda3:
     从官网下载miniconda3的安装脚本。
• 安装miniconda3:
     执行下载的脚本进行安装。
• conda配置:
     配置conda的通道、环境等。

四、安装GPT-SoVITS
• 克隆仓库:
     使用git clone命令从GitHub克隆GPT-SoVITS仓库。
• 创建虚拟环境:
     使用conda或python的venv模块创建虚拟环境。
• 安装依赖:
     安装所需的Python库和工具以及GPT-SoVITS运行所需的其他Python依赖库。
• 设置清华源、更新pip:
      更换pip的源到清华，以加速下载。
• 创建模型放置文件夹:
     在适当的位置创建文件夹以存放AI模型文件。
• 下载模型:
     下载GPT-SoVITS需要使用的模型文件。
• 改端口启动:
     修改配置文件或启动命令，以指定GPT-SoVITS服务运行的端口号。

部署流程概述
    更换源和更新：优化软件包管理器使用的源，确保软件包列表是最新的。
   安装显卡驱动和CUDA：确保GPU能够被系统识别并用于高性能计算。
   配置环境变量：让系统知道如何找到并使用新安装的软件。
   安装miniconda：创建一个独立的Python环境，避免不同项目间的依赖冲突。
   安装GPT-SoVITS：获取GPT-SoVITS代码，创建适合其运行的环境，准备好所需的模型文件，最终启动GPT-SoVITS服务。

部署具体流程
一、FinalShell的下载及使用：
   FinalShell是一款服务器管理工具，支持SSH和远程桌面，提供多标签管理、命令自动提示、SFTP、性能监控等功能，适用于开发运维，界面友好，在很大程度上可以免费替代XShell。
   FinalShell的下载：https://www.hostbuf.com/t/988.html

   FinalShell的基本使用：
   连接Linux服务器
   进行如下设置：
    名称：  自定义
    主机：  填写你的服务器的公网IP
    端口：  填写服务器端口
    备注：  自定义
    方法：  密码
    用户名：默认是root
    密码：  填写服务器的登录密码
新建完后双击或者右键点击连接
二、ubuntu22.04基本环境配置
1.更换清华Ubuntu镜像源
•删除原来的文件
rm /etc/apt/sources.list

•开始编辑新文件
vim /etc/apt/sources.list
先按i键，粘贴以下内容 
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
# 以下安全更新软件源包含了官方源与镜像站配置，如有需要可自行修改注释切换
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

确保内容跟上述图片一致
按esc键，再输入冒号+wq保存
2. 更新包列表
•打开终端，输入以下命令
sudo apt-get update

sudo apt upgrade
更新时间较长，请耐心等待
3. 安装英伟达显卡驱动
3.1使用wget在命令行下载驱动包
wget https://cn.download.nvidia.com/XFree86/Linux-x86_64/550.100/NVIDIA-Linux-x86_64-550.100.run


3.2更新软件列表和安装必要软件、依赖
sudo apt-get install g++
更新时间较长，请耐心等待


点击回车enter即可 

sudo apt-get install gcc


sudo apt-get install make


点击回车enter即可
成功安装

3.3卸载原有驱动
sudo apt-get remove --purge nvidia*


•使用vim修改配置文件
sudo vim /etc/modprobe.d/blacklist.conf

•按i键进入编辑模式,在文件尾增加两行：
blacklist nouveau
options nouveau modeset=0

按esc键退出编辑模式,输入:wq保存并退出

•更新文件
sudo update-initramfs -u
这里等待时间较久
•重启电脑
sudo reboot
这里需要等一会才能连上

3.4 安装驱动
•授予执行权限
sudo chmod 777 NVIDIA-Linux-x86_64-550.100.run

•执行安装命令
sudo ./NVIDIA-Linux-x86_64-550.100.run


这里一直按回车就行，默认选择

一直按回车enter键，直到安装成功

•检测显卡驱动是否安装成功
nvidia-smi


3.5 安装CUDA
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run


•执行安装命令
sudo sh ./cuda_12.4.0_550.54.14_linux.run

•输出accept开始安装
•然后注意这里要按enter取消勾选第一个选项,因为之前已经安装了驱动
•接着选择Install开始安装
•安装完成
3.6 环境变量配置
•以vim方式打开配置文件
sudo vim ~/.bashrc

•按i键进入编辑模式,在文件尾增加下面内容
export PATH="/usr/local/cuda-12.4/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH"

按esc键退出编辑模式,输入:wq保存并退出

•更新环境变量
source ~/.bashrc

•检测CUDA是否安装成功
nvcc -V


三、安装miniconda环境
1.下载miniconda3
wget https://mirrors.cqupt.edu.cn/anaconda/miniconda/Miniconda3-py310_23.10.0-1-Linux-x86_64.sh


2. 安装miniconda3
bash Miniconda3-py310_23.10.0-1-Linux-x86_64.sh -u

直接一直enter键，到输入路径和yes
这边建议路径为：miniconda3
直接回车enter即可，再次输入yes
成功安装

•  切换到bin文件夹
cd miniconda3/bin/

•  输入pwd获取路径
pwd
复制这里的路径

•  打开用户环境编辑页面
vim ~/.bashrc
点击键盘I键进入编辑模式，在最下方输入以下代码 
export PATH="/root/miniconda3/bin:$PATH"

按esc键退出编辑模式,输入:wq保存并退出

• 重新加载用户环境变量
source ~/.bashrc


• 初始化conda
conda init bash


• 验证是否安装成功
conda -V


3.conda配置
• 配置清华镜像源 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/


• 设置搜索时显示通道地址
conda config --set show_channel_urls yes


• 配置pip镜像源
pip config set globalThis.index-url https://pypi.tuna.tsinghua.edu.cn/simple


四、安装GPT-SoVITS
1.克隆仓库
• github克隆
git clone https://github.com/RVC-Boss/GPT-SoVITS.git

• 国内github镜像克隆
git clone https://mirror.ghproxy.com/https://github.com/RVC-Boss/GPT-SoVITS.git

• 进入目录
cd GPT-SoVITS/

2.创建GPT-SoVITS需要的环境
conda create -n GPT-SoVITS python=3.9
conda activate GS

• 运行linux的批处理文件
./install.sh

3.修改端口和启动服务 
vim config.py

• 在GPT-SoVITS文件夹下的config.py文件里面进行修改端口
vim config.py

输入i进行编辑，修改这里的端口： 

webui_port_main = 业务端口1
webui_port_uvr5 = 业务端口2
webui_port_infer_tts = 业务端口3
webui_port_subfix = 业务端口4
api_port = 业务端口5

• 启动GPT-SoVITS
python webui.py


启动成功后，访问http://主机IP:端口