写在前面

前阵子有个人想让我把电子书搞成朗读版，恰好又有人有需求说不善言辞，想让我帮他做一份声音克隆，克隆他的声音说一大段话。这个需求在我看来简单的过于简单了，一直没写，今天抽空写一下，谁叫平台给我这几天推流呢，天予不取，反受其咎。哈哈哈。

我觉得这个功能已经被不法分子利用了，所以大家可以看看声音是如何被偷取的，陌生电话要么不接，接了千万不要先说话，对面可能就在录音，够3秒就挂电话了。你的声音就被偷走了。

ai是个双刃剑，从声音到人脸视频，都可以克隆合成，降低了门槛，本文除了技术记录，更想通过这篇文章让大家有一些防范意识。

音频效果，我就截个图，不放音频文件了。 遮天电子书的音频：

文件太多了，截个局部，这个音频读起来不是死板生硬的那种，很有感情的声音，完全可以搭配文生音色来自定义开发做成剧场模式。

一、前置 Microsoft 环境

项目必须安装 Microsoft Visual Studio C++ Build Tools^[2]用conda install安装的不行

• 点击  Visual Studio C++ Build Tools^[3] 这个链接，打开的页面是这样的
• 这会下载来一个exe程序，双击打开，会看到下面这个界面，记得勾选图中这个，其他的不要勾
• 然后点右下角安装就行了，安装完成后重启电脑

二、GPU环境

unsetunset1、安装显卡驱动unsetunset

• nvidia-app 主页地址^[4]
• NVIDIA_app_v11 下载地址^[5]
• 安装 NVIDIA app 程序，无脑下一步就行。

unsetunset2、安装CUDA 程序unsetunset

cuda 版本大于11就行，我用的是12

• 执行nvidia-smi 看你的显卡是否支持 cuda 11 以上。
• cuda 12 下载地址^[6]
• 安装选项记得选择自定义：
• 然后一路点下一步。都完成后记得重启一下电脑。

三、运行环境

unsetunset1、下载源代码unsetunset

我用的是专用n卡版本 v2pro-20250604-nvidia50^[7]

注意：这个nvidia50不是说必须要是nvidia 50系列的显卡哈，我用nvidia 3060也能运行。

unsetunset2、创建基础python环境unsetunset

• GPT-SoVITS^[8] 要求python=3.10，所以执行conda create -n tts python=3.10 -y
• 激活环境 conda activate tts
• cd 到源代码目录 cd C:\Users\lc\work\GPT-SoVITS-v2pro-20250604-nvidia50(lc是我的电脑用户名，代码我放在c盘了)
• 用 conda安装ffmpeg ,运行 conda install ffmpeg
• 安装项目依赖 pip install -r extra-req.txt --no-deps、pip install -r requirements.txt
• 安装额外依赖pip install torchcodec

unsetunset3、下载权重文件unsetunset

aria2c是一个liunx下的断点续传的多线程下载器，我在windows wsl下使用的。如果没有可以复制下载链接到浏览器，正常下载即可。

aria2c -s16 -x16 --file-allocation=none -o "s1bert25hz-2kh-longer-epoch=68e-step=50232.ckpt" -d./GPT_weights_v2 https://huggingface.co/lj1995/GPT-SoVITS/resolve/main/s1bert25hz-2kh-longer-epoch%3D68e-step%3D50232.ckpt?download=truearia2c -s16 -x16 --file-allocation=none -o "s2G488k.pth" -d./SoVITS_weights_v2 https://huggingface.co/lj1995/GPT-SoVITS/resolve/main/s2G488k.pth?download=true

到这里，就可用启动了

• 本地启动 python api_v2.py
• 允许远程访问 python api_v2.py -a 0.0.0.0 -p 9880
• web-ui方式 双击 go-webui.bat 或 python webui.py

注意，我是启动了api_v2.py将它当作一个tts api服务在运行，额外编写python脚本来调用它来完成更多的自定义功能。如果只需要界面的用界面启动方式就可以了。

四、编写自定义脚本调用tts api

下面是我让AI  按我的要求写的脚本，完成了以下功能

• ios下的epub电子书，按章节解析并生成。
• TXT电子书按章节解析并生成。。
• 指定文本的声音生成。
• 自定义音色文件。
• 自定义感情曲线、语速节奏等参数。

运行之前，需要先安装一些依赖

pip install requests ebooklib beautifulsoup4 tqdm

下面是完整的代码（记得把文件路径改成自己的）

import jsonimport reimport osimport threadingimport timeimport requestsimport ebooklibfrom ebooklib import epubfrom bs4 import BeautifulSoupfrom concurrent.futures import ThreadPoolExecutor, as_completedfrom tqdm import tqdm# ==========================================# 第一部分：小说解析器模块 (可扩展)# ==========================================class BaseParser:"""解析器基类"""    def get_chapters(self, file_path):        raise NotImplementedError("子类必须实现 get_chapters 方法")    def _basic_clean(self, text):"""通用清洗逻辑"""        text = re.sub(r'https?://\S+', '', text)        text = re.sub(r'[=+\-]{5,}', '', text)return text.strip()class TxtParser(BaseParser):"""纯文本解析器"""    def get_chapters(self, file_path):        with open(file_path, 'r', encoding='utf-8') as f:            content = f.read()        pattern = r'(第[一二三四五六七八九十百千万零\d]+[章节回].*)'        parts = re.split(pattern, content)        chapters = []for i in range(1, len(parts), 2):            title = parts[i].strip()            body = self._basic_clean(parts[i + 1])if body:                chapters.append({"title": title, "content": body})return chapters    def get_chapters_text(self, file_path):        with open(file_path, 'r', encoding='utf-8') as f:            content = f.read()return contentclass EpubParser(BaseParser):"""EPUB 解析器 - 增强正则版"""    def get_chapters(self, file_path):        book = epub.read_epub(file_path)        chapters = []# 严格的章节匹配正则# 匹配：第1章、第一章、序言、前言、楔子、后记 等        title_pattern = r'^(第[一二三四五六七八九十百千万零\d]+[章节回].*|序言|前言|楔子|后记|尾声|第[一二三四五六七八九十百千万零\d]+部分.*)'for item in book.get_items():if item.get_type() == ebooklib.ITEM_DOCUMENT:                soup = BeautifulSoup(item.get_content(), 'html.parser')# 1. 提取所有文本并清洗                raw_text = soup.get_text()                content = self._basic_clean(raw_text)if len(content) < 50: continue# 忽略掉太短的片段（如版权页）# 2. 寻找真正的标题                lines = [l.strip() for l in content.split('\n') if l.strip()]if not lines: continue# 逻辑：检查第一行是否符合章节正则                first_line = lines[0]if re.match(title_pattern, first_line):                    title = first_line# 既然第一行是标题，正文就从第二行开始，避免重复读标题                    body_content = "\n".join(lines[1:])else:# 如果第一行不匹配正则，说明这个 HTML 文件可能没有明确标题# 比如封面、简介，或者是被切碎的正文续接# 我们尝试找 HTML 的 h1-h3 标签再校验一次                    header = soup.find(['h1', 'h2', 'h3'])if header and re.match(title_pattern, header.get_text().strip()):                        title = header.get_text().strip()                        body_content = contentelse:# 最终兜底：如果完全没标题，可能是正文的延续，起个序列名或跳过# 这里我们取前15个字作为标识，或者你可以选择直接跳过非章节内容                        title = f"正文片段_{lines[0][:10]}"                        body_content = content# 3. 文件名安全处理                safe_title = re.sub(r'[\\/:*?"<>|]', '_', title).strip()                safe_title = safe_title[:40]  # 限制文件名长度                chapters.append({"title": safe_title, "content": body_content})return chapters# ==========================================# 第二部分：TTS 核心引擎模块# ==========================================class TTSEngine:    def __init__(self, api_base="http://localhost:9880"):        self.api_base = api_base# 默认配置        self.config = {"gpt_path": "C:/Users/lc/work/GPT-SoVITS-v2pro-20250604-nvidia50/GPT_weights_v2/s1bert25hz-2kh-longer-epoch=68e-step=50232.ckpt","sovits_path": "C:/Users/lc/work/GPT-SoVITS-v2pro-20250604-nvidia50/SoVITS_weights_v2/s2G488k.pth","ref_audio": "C:/Users/lc/work/音色.wav","prompt_text": "今天下大雨，但是我没带伞，有人给我送伞吗","prompt_lang": "zh"        }        self._init_models()    def _init_models(self):print(f"[*] 初始化引擎: 加载模型中...")        requests.get(f"{self.api_base}/set_gpt_weights",                     params={"weights_path": self.config["gpt_path"]})        requests.get(f"{self.api_base}/set_sovits_weights",                     params={"weights_path": self.config["sovits_path"]})    def generate(self, title, text, output_path):"""核心合成方法 - 增强版"""        params = {"text": text,"text_lang": "zh","ref_audio_path": self.config["ref_audio"].replace("\\", "/"),"prompt_text": self.config["prompt_text"],"prompt_lang": self.config["prompt_lang"],# --- 核心调优：长时间听书方案 ---"text_split_method": "cut2",  # 改用 cut2：按句号+逗号切分，比 cut1 更连贯，比 cut5 更清晰"top_k": 5,  # 【疯狂收紧】从 10 暴降到 5！强行在极高温度下，只允许 AI 选择最契合情绪的前 5 个音节候选，防止字音发散崩溃"top_p": 0.85,  # 【首次截断】从 1.0 降到 0.85。过滤掉高升温带来的尾音毛刺和杂音"temperature": 1.45,  # 【生死线】直接轰到 1.45！这是未解密/魔改版内核的极限，声音的抑扬顿挫会变得极其夸张，充满戏剧化的拿腔拿调"speed_factor": 1.05,  # 【语速微催】提高到 1.05x。人在情绪激动（愤怒、惊恐、狂喜）时，语速会本能地加快，更加逼真"half": True,  # 半精度推理"media_type": "wav","streaming_mode": False,        }        try:            tqdm.write(f"[>>>] 开始合成: {title}")# 使用 POST 请求。GPT-SoVITS API v2 支持 POST 传参，避免 URL 过长报错# 注意：POST 请求参数通常放在 json=params 中            response = requests.post(f"{self.api_base}/tts", json=params, timeout=None)if response.status_code == 200:# 检查返回内容是否为空if not response.content:print(f"[!] {title} 失败: 服务器返回了空数据")return False, title                with open(output_path, "wb") as f:                    f.write(response.content)return True, titleelse:# 优化点 2：安全地处理非 200 状态码print(f"[!] {title} 失败:  {response.text}")                try:# 尝试解析错误信息，如果不成 JSON 就输出原始文本                    err_info = response.json()print(f"    详情: {err_info.get('message', '未知错误')}")                except:print(f"    原始报错信息: {response.text[:200]}")  # 只打印前 200 字防止刷屏return False, title        except Exception as e:print(f"[!] {title} 合成异常 (网络或系统级): {e}")return False, title# ==========================================# 第三部分：业务调度逻辑# ==========================================def start_task(file_path, output_dir):# 1. 解析器选择    ext = os.path.splitext(file_path)[-1].lower()    parser = EpubParser() if ext == '.epub'else TxtParser()# 2. 解析内容print(f"[*] 正在解析文件: {file_path}")    raw_chapters = parser.get_chapters(file_path)# 过滤非章节内容    title_pattern = r'^(第[一二三四五六七八九十百千万零\d]+[章节回].*|序言|前言|楔子|后记|尾声)'    chapters = [ch for ch in raw_chapters if re.match(title_pattern, ch['title'])]    total_chapters = len(chapters)if total_chapters == 0:print("[-] 未识别到任何有效正文章节，请检查解析器正则。")return# 3. 初始化引擎    engine = TTSEngine()# 4. 准备目录if not os.path.exists(output_dir):        os.makedirs(output_dir)print(f"[*] 识别到正文 {total_chapters} 章，开始处理...")# --- 核心修改逻辑 ---    with tqdm(total=total_chapters, desc="总进度", unit="章") as pbar:        with ThreadPoolExecutor(max_workers=100) as executor:            task_mapping = {}for i, ch in enumerate(chapters):# 生成安全的文件名                safe_title = re.sub(r'[\\/:*?"<>|]', '_', ch['title'])                file_name = f"{i + 1:03d}_{safe_title}.wav"                save_path = os.path.join(output_dir, file_name)# 检查文件是否已存在if os.path.exists(save_path):                    pbar.update(1)# tqdm.write(f"[横跳] 跳过已存在章节: {ch['title']}") # 如果觉得日志太吵可以注释掉这行continue# 如果不存在，才提交任务                future = executor.submit(engine.generate, ch['title'], ch['content'], save_path)                task_mapping[future] = ch['title']                tqdm.write(f"[→] 已提交: {ch['title']}")# 如果没有新任务需要执行，直接结束if not task_mapping:print("[+] 所有章节均已存在，无需生成。")return# 实时获取执行中的任务结果for future in as_completed(task_mapping):                ch_title = task_mapping[future]                try:                    success, title = future.result()if success:                        pbar.update(1)                        tqdm.write(f"[√] 已合成: {title}")else:                        tqdm.write(f"[×] 失败: {title} (请检查 API 报错)")                except Exception as e:                    tqdm.write(f"[!] 运行异常: {ch_title} | 原因: {e}")print(f"\n[+] 任务处理完成！")def start_task2(file_path, output_dir):# 1. 解析器选择    parser = TxtParser()# 2. 解析内容print(f"[*] 正在解析文件: {file_path}")    raw_text = parser.get_chapters_text(file_path)# 3. 初始化引擎    engine = TTSEngine()# 4. 准备目录if not os.path.exists(output_dir):        os.makedirs(output_dir)# 生成安全的文件名    safe_title = re.sub(r'[\\/:*?"<>|]', '_', "录音")    file_name = f"{safe_title}.wav"    save_path = os.path.join(output_dir, file_name)    engine.generate(title="主播录音", text=raw_text, output_path=save_path)print(f"\n[+] 任务处理完成！")if __name__ == "__main__":# 使用示例# 只需要传入文件，程序会自动识别解析器# start_task("遮天.epub", "output_final")    start_task2("text.txt", "output_final2")

收工，非常简单，实际上可以把这个脚本改成，实时读取麦克风流，然后流式调用这个tts api就可以实现在线实时变音。

四、部署建议

这个有CPU版本，我试过了，贼慢，如果套了nginx代理，注意超时设置和缓存设置。 按当前GPU版本，基本上可以实现秒级生成声音。

警告与声明

本文仅作为开源项目的AI技术应用学习和研究，不作为任何商业目的，更加不提供任何违法犯罪的技术传播或支持。