一个简单易用的GPT-SoVITS语音合成Web界面，支持LRC歌词转换为语音并与背景音乐合成。

• LRC歌词转语音：将LRC格式歌词文件转换为语音
• 参考音频设置：使用参考音频控制合成语音的声音特征
• 背景音乐合成：支持将生成的语音与背景音乐合成
• 多种混音模式：
  • 混合模式：人声和背景音乐混合在两个声道
  • 左右声道分离：可将人声和背景音乐分别放在左右声道
• 音量控制：独立调节人声和背景音乐的音量
• 实时进度显示：处理过程中显示详细的进度和日志
• 缓存管理：一键清理所有缓存文件

• Python 3.9+
• 足够的磁盘空间用于存储音频文件和模型
• 支持的操作系统：Windows、Linux、macOS

1. 克隆本仓库：

git clone https://github.com/mumuhaha487/ASMR_Convert.git
cd ASMR_Convert

2. 安装依赖：

pip install -r requirements.txt

3. 准备GPT和SoVITS模型：
   • 将GPT模型放置于GPT_weights/目录
   • 将SoVITS模型放置于SoVITS_weights/目录

直接通过Python启动：

python app.py

启动后，通过浏览器访问：http://127.0.0.1:5000

1. 基本设置：

   • 设置API服务器地址（默认为http://127.0.0.1:9872/）
   • 设置GPT模型路径（默认为GPT_weights/）
   • 设置SoVITS模型路径（默认为SoVITS_weights/）

2. 上传文件：

   • 上传LRC歌词文件
   • 上传参考音频（WAV或MP3格式）
   • 可选：上传背景音乐（WAV或MP3格式）

3. 合成语音：

   • 点击"处理LRC生成音频"按钮
   • 等待处理完成（可以查看实时进度和日志）

4. 音频合成（如果上传了背景音乐）：

   • 调整人声和背景音乐的音量
   • 选择声道模式（混合、人声左声道或人声右声道）
   • 点击"合成音频"按钮

5. 下载结果：

   • 可以下载原始生成的语音或与背景音乐合成后的音频

• 参考音频文本：可以设置参考音频对应的文本，以提高模型效果
• 缓存清理：点击"清理缓存"按钮可以清除所有上传的文件和生成的音频

├── app.py                # 主应用Flask服务器
├── main.py               # GPT-SoVITS接口封装
├── audio_utils.py        # 音频处理工具
├── requirements.txt      # 依赖库列表
├── static/               # 静态文件目录
│   ├── css/              # CSS样式文件
│   └── js/               # JavaScript脚本文件
├── templates/            # HTML模板目录
├── uploads/              # 上传文件存储目录
├── wav_file/             # 生成的音频文件存储目录
└── merged_audio/         # 合成后的音频文件存储目录

1. 文件上传失败

   • 检查文件格式是否正确
   • 确保文件名不包含特殊字符

2. 语音生成失败

   • 检查API服务器地址是否正确
   • 确保GPT和SoVITS模型路径设置正确

3. 音频合成问题

   • 如果合成的音频有问题，尝试调整音量设置
   • 确保背景音乐格式受支持（WAV或MP3）

• 前端：使用Bootstrap 5和原生JavaScript构建
• 后端：基于Flask的RESTful API
• 音频处理：使用librosa和soundfile处理音频数据
• 并发处理：使用线程池处理请求，避免阻塞

MIT License

• GPT-SoVITS - 基础的语音合成模型
• Flask - Web框架
• Bootstrap - 前端框架
• librosa - 音频处理库