GPT-SOVITS模型|曾仕强教授声音模型|AI曾仕强

模型仅供 声音艺术、相声 等方面的创作

人物介绍

曾仕强，台湾著名学者与国学大师，被誉为“中国式管理之父”。他融合中华传统文化与现代管理理念，创立“中国式管理”理论。曾任台湾交通大学教授等职，对国学有深厚造诣，著有《胡雪岩的启示》、《易经的奥秘》等畅销书，为企业管理及文化传承提供智慧。在央视《百家讲坛》，他以幽默风趣的方式普及国学，使复杂知识变得易懂，广受好评。其“中国式管理”思想强调以中华文化精髓解决管理问题，展现了中国智慧在现代管理中的应用与影响。

模型配音效果

配音模型直链下载

版权原因，仅供炼丹师会员学习使用！

训练日志

2024-06-21 10:32:44,574	zsq	INFO	{'train': {'log_interval': 100, 'eval_interval': 500, 'seed': 1234, 'epochs': 8, 'learning_rate': 0.0001, 'betas': [0.8, 0.99], 'eps': 1e-09, 'batch_size': 11, 'fp16_run': True, 'lr_decay': 0.999875, 'segment_size': 20480, 'init_lr_ratio': 1, 'warmup_epochs': 0, 'c_mel': 45, 'c_kl': 1.0, 'text_low_lr_rate': 0.4, 'pretrained_s2G': 'GPT_SoVITS/pretrained_models/s2G488k.pth', 'pretrained_s2D': 'GPT_SoVITS/pretrained_models/s2D488k.pth', 'if_save_latest': True, 'if_save_every_weights': True, 'save_every_epoch': 4, 'gpu_numbers': '0'}, 'data': {'max_wav_value': 32768.0, 'sampling_rate': 32000, 'filter_length': 2048, 'hop_length': 640, 'win_length': 2048, 'n_mel_channels': 128, 'mel_fmin': 0.0, 'mel_fmax': None, 'add_blank': True, 'n_speakers': 300, 'cleaned_text': True, 'exp_dir': 'logs/zsq'}, 'model': {'inter_channels': 192, 'hidden_channels': 192, 'filter_channels': 768, 'n_heads': 2, 'n_layers': 6, 'kernel_size': 3, 'p_dropout': 0.1, 'resblock': '1', 'resblock_kernel_sizes': [3, 7, 11], 'resblock_dilation_sizes': [[1, 3, 5], [1, 3, 5], [1, 3, 5]], 'upsample_rates': [10, 8, 2, 2, 2], 'upsample_initial_channel': 512, 'upsample_kernel_sizes': [16, 16, 8, 2, 2], 'n_layers_q': 3, 'use_spectral_norm': False, 'gin_channels': 512, 'semantic_frame_rate': '25hz', 'freeze_quantizer': True}, 's2_ckpt_dir': 'logs/zsq', 'content_module': 'cnhubert', 'save_weight_dir': 'SoVITS_weights', 'name': 'zsq', 'pretrain': None, 'resume_step': None}
2024-06-21 10:32:45,960	zsq	INFO	loaded pretrained GPT_SoVITS/pretrained_models/s2G488k.pth
2024-06-21 10:32:46,156	zsq	INFO	loaded pretrained GPT_SoVITS/pretrained_models/s2D488k.pth
2024-06-21 10:33:15,022	zsq	INFO	Train Epoch: 1 [0%]
2024-06-21 10:33:15,022	zsq	INFO	[2.4960834980010986, 2.2735910415649414, 7.0620341300964355, 19.9090576171875, 0.0, 2.9329488277435303, 0, 9.99875e-05]
2024-06-21 10:33:43,061	zsq	INFO	{'train': {'log_interval': 100, 'eval_interval': 500, 'seed': 1234, 'epochs': 20, 'learning_rate': 0.0001, 'betas': [0.8, 0.99], 'eps': 1e-09, 'batch_size': 20, 'fp16_run': True, 'lr_decay': 0.999875, 'segment_size': 20480, 'init_lr_ratio': 1, 'warmup_epochs': 0, 'c_mel': 45, 'c_kl': 1.0, 'text_low_lr_rate': 0.4, 'pretrained_s2G': 'GPT_SoVITS/pretrained_models/s2G488k.pth', 'pretrained_s2D': 'GPT_SoVITS/pretrained_models/s2D488k.pth', 'if_save_latest': True, 'if_save_every_weights': True, 'save_every_epoch': 10, 'gpu_numbers': '0'}, 'data': {'max_wav_value': 32768.0, 'sampling_rate': 32000, 'filter_length': 2048, 'hop_length': 640, 'win_length': 2048, 'n_mel_channels': 128, 'mel_fmin': 0.0, 'mel_fmax': None, 'add_blank': True, 'n_speakers': 300, 'cleaned_text': True, 'exp_dir': 'logs/zsq'}, 'model': {'inter_channels': 192, 'hidden_channels': 192, 'filter_channels': 768, 'n_heads': 2, 'n_layers': 6, 'kernel_size': 3, 'p_dropout': 0.1, 'resblock': '1', 'resblock_kernel_sizes': [3, 7, 11], 'resblock_dilation_sizes': [[1, 3, 5], [1, 3, 5], [1, 3, 5]], 'upsample_rates': [10, 8, 2, 2, 2], 'upsample_initial_channel': 512, 'upsample_kernel_sizes': [16, 16, 8, 2, 2], 'n_layers_q': 3, 'use_spectral_norm': False, 'gin_channels': 512, 'semantic_frame_rate': '25hz', 'freeze_quantizer': True}, 's2_ckpt_dir': 'logs/zsq', 'content_module': 'cnhubert', 'save_weight_dir': 'SoVITS_weights', 'name': 'zsq', 'pretrain': None, 'resume_step': None}
2024-06-21 10:33:44,296	zsq	INFO	loaded pretrained GPT_SoVITS/pretrained_models/s2G488k.pth
2024-06-21 10:33:44,510	zsq	INFO	loaded pretrained GPT_SoVITS/pretrained_models/s2D488k.pth
2024-06-21 10:34:09,755	zsq	INFO	Train Epoch: 1 [0%]
2024-06-21 10:34:09,755	zsq	INFO	[2.603549003601074, 2.170898914337158, 9.015737533569336, 20.780746459960938, 0.0, 2.8269424438476562, 0, 9.99875e-05]
2024-06-21 10:34:24,270	zsq	INFO	====> Epoch: 1
2024-06-21 10:34:38,422	zsq	INFO	====> Epoch: 2
2024-06-21 10:34:52,663	zsq	INFO	====> Epoch: 3
2024-06-21 10:35:07,019	zsq	INFO	====> Epoch: 4
2024-06-21 10:35:20,886	zsq	INFO	====> Epoch: 5
2024-06-21 10:35:34,134	zsq	INFO	Train Epoch: 6 [88%]
2024-06-21 10:35:34,134	zsq	INFO	[2.6198172569274902, 2.351412773132324, 9.823515892028809, 19.64070701599121, 0.0, 1.6281896829605103, 100, 9.99250234335941e-05]
2024-06-21 10:35:35,246	zsq	INFO	====> Epoch: 6
2024-06-21 10:35:49,363	zsq	INFO	====> Epoch: 7
2024-06-21 10:36:03,333	zsq	INFO	====> Epoch: 8
2024-06-21 10:36:17,042	zsq	INFO	====> Epoch: 9
2024-06-21 10:36:31,009	zsq	INFO	Saving model and optimizer state at iteration 10 to logs/zsq/logs_s2\G_233333333333.pth
2024-06-21 10:36:31,829	zsq	INFO	Saving model and optimizer state at iteration 10 to logs/zsq/logs_s2\D_233333333333.pth
2024-06-21 10:36:32,947	zsq	INFO	saving ckpt zsq_e10:Success.
2024-06-21 10:36:32,948	zsq	INFO	====> Epoch: 10
2024-06-21 10:36:47,323	zsq	INFO	====> Epoch: 11
2024-06-21 10:36:59,202	zsq	INFO	Train Epoch: 12 [76%]
2024-06-21 10:36:59,202	zsq	INFO	[2.5783495903015137, 2.3862318992614746, 10.590505599975586, 19.603647232055664, 0.0, 1.4245914220809937, 200, 9.98501030820433e-05]
2024-06-21 10:37:01,817	zsq	INFO	====> Epoch: 12
2024-06-21 10:37:15,825	zsq	INFO	====> Epoch: 13
2024-06-21 10:37:29,798	zsq	INFO	====> Epoch: 14
2024-06-21 10:37:43,754	zsq	INFO	====> Epoch: 15
2024-06-21 10:37:57,609	zsq	INFO	====> Epoch: 16
2024-06-21 10:38:11,718	zsq	INFO	====> Epoch: 17
2024-06-21 10:38:22,118	zsq	INFO	Train Epoch: 18 [65%]
2024-06-21 10:38:22,119	zsq	INFO	[2.4857614040374756, 2.3586795330047607, 9.014538764953613, 19.638473510742188, 0.0, 1.8002816438674927, 300, 9.977523890319963e-05]
2024-06-21 10:38:26,170	zsq	INFO	====> Epoch: 18
2024-06-21 10:38:40,110	zsq	INFO	====> Epoch: 19
2024-06-21 10:38:54,206	zsq	INFO	Saving model and optimizer state at iteration 20 to logs/zsq/logs_s2\G_233333333333.pth
2024-06-21 10:38:55,269	zsq	INFO	Saving model and optimizer state at iteration 20 to logs/zsq/logs_s2\D_233333333333.pth
2024-06-21 10:38:57,732	zsq	INFO	saving ckpt zsq_e20:Success.
2024-06-21 10:38:57,732	zsq	INFO	====> Epoch: 20

如何使用配音模型

1，gpt-sovits模型本地部署（适合有显卡的用户）

https://aiaf.cc/gmxtlsyjx

2，gpt-sovits模型云端部署

https://aiaf.cc/gpt-sovits-yunduan/

如果您想一对一远程教学模型安装、模型训练，请联系微信 xiaoming1870

声音版权使用声明

本网站所展示的AI声音模型，源自站长及AI模型工作室的精心创作与提供。我们秉持非商业性使用的原则，仅以此平台作为娱乐非商业使用，同时，我们高度重视并严格遵守版权所有者的合法权益。特此声明，我们未获得亦不声称拥有这些声音模型的任何直接使用权或授权。

对于因模型整理、发布、声音转换效果制作及视频教学制作而产生的相关费用，我们明确其仅覆盖上述服务成本，绝不包含对模型版权本身的任何收费。我们承诺，所有活动均在法律框架内进行，尊重版权，合理且合法地使用与分享这些宝贵的AI声音资源。

若您对上述模型或我们的服务存在任何疑问、需要进一步的版权信息，或是有任何宝贵的建议与反馈，我们诚挚邀请您随时与我们取得联系。我们期待与您共同探讨，促进AI声音艺术的健康发展与尊重版权的良好氛围。

重要提示：在利用AI声音模型进行任何活动之前，我们强烈建议您深入了解并遵守相关版权与知识产权法律法规，确保您的行为合法且合规，共同维护良好的创作生态。