基于 GPT-SoVITS 实现个性化语音复刻的API服务调用：让小说朗读拥有专属声线
一、前言
在数字阅读时代，个性化语音朗读需求日益增长。本文将演示如何通过 GPT-SoVITS 语音复刻模型 与开源小说阅读软件 “阅读” 的结合，实现自定义语音朗读小说的功能。利用整合包内置的 API 接口，无需复杂开发即可快速搭建专属朗读引擎，让小说角色拥有你熟悉的声音！
二、准备工作
1. 工具与资源清单
-
GPT-SoVITS 整合包（含 API 服务）：
下载地址：Hugging Face Windows 整合包
（注：需提前安装 7-Zip 解压，ffmpeg 工具已包含在整合包中，无需额外下载） -
开源小说阅读软件 “阅读”：
GitHub 项目地址：阅读 - 项目仓库
（支持 Android/iOS/PC 多平台，本文以 Windows 版为例） -
Python 环境：整合包已内置 Python 3.9，无需额外安装
2. 环境配置
- 解压整合包到任意目录（如
D:\GPT-SoVITS） - 进入目录，双击
go-webui.bat启动服务（首次启动会自动安装依赖，等待约 2 分钟） - 服务启动后，浏览器会自动打开 Web 界面，同时 API 服务运行在本地
http://127.0.0.1:9874
三、核心步骤：API 对接与软件配置
1. 启动 GPT-SoVITS API 服务
整合包已内置api.py，go-webui.bat会同时启动 Web 界面和 API 服务。
可自定义文件api.bat，内容如下：
runtime\python.exe api.py
pause- 关键端口：
9880（API 服务端口，确保未被占用） - 服务状态：命令行窗口显示
Uvicorn running on http://0.0.0.0:9880即表示启动成功
之后打开"..GPT-SoVITS-beta0706\config.py" 指定要调用的GPT模型和SoVITS模型
2. 在 “阅读” 软件中配置朗读引擎
步骤 1：打开小说并进入朗读设置
- 打开 “阅读” 软件，任意打开一本小说
- 点击屏幕左下角 “朗读” 按钮（耳机图标）
- 在弹出的朗读控制栏中，点击 “设置” 齿轮图标
步骤 2：添加自定义朗读 API 接口
- 在朗读设置中，找到 “朗读引擎” 选项
- 点击 “+” 号 新建引擎，在url里输入API链接
- API 链接模板：http://内网IP:9880/?refer_wav_path=参考音频路径&prompt_text=参考音频的文本&prompt_language=中文&text={{speakText}}&text_language=中文（本地服务默认地址）
- 填写引擎名称，点击 “保存”
步骤 3：全局应用自定义引擎
- 返回朗读设置主界面，在 “当前引擎” 中选择刚创建的 API 引擎
- 点击 “全局” ，确保所有小说朗读使用该引擎
3. 测试朗读效果
- 返回小说页面，点击播放按钮，即可听到基于 GPT-SoVITS 模型生成的语音朗读
- 支持实时调节语速、音量（在朗读控制栏滑动调节）
四、API 接口详解（api.py核心功能）
整合包提供的 API 遵循简单的 JSON 交互格式，支持文本转语音（TTS）功能：
1. 接口地址
http://127.0.0.1:9880/docs 
2. 参数说明
| 参数 | 类型 | 必须 | 说明 |
| refer_wav_path | string | 是 | 参考音频 |
| prompt_text | string | 否 | 参考音频文本 |
| prompt_language | string | 是 | 语言（中文） |
| text | string | 是 | 合成的文本语言 |
| text_language | string | 否 | 语言（中文） |
| cut_punc | string | 否 | 控制文本分段 |
五、常见问题与解决方案
1. API 连接失败
- 检查
go-webui.bat是否正常运行，命令行是否有报错 - 确认 API 链接格式正确
- 关闭防火墙或添加端口白名单
2. 朗读无声音
- 确保
ffmpeg.exe和ffprobe.exe位于整合包根目录（整合包已内置，勿删除） - 检查模型文件是否存在（训练好的模型需放在
SoVITS_weights目录）
3. 文本分段错误
- 建议在文本中手动添加
。！？等标点，帮助 API 正确断句生成音频
六、进阶玩法：训练专属语音模型
如果你希望使用自己或他人的声音朗读：
- 准备 3-10 条纯净人声录音（每条 3-10 秒，格式为
wav，采样率 44100Hz） - 在整合包 Web 界面中进入 “训练” 模块，上传音频并输入对应文本
- 启动训练（约需 1-2 小时，依赖显卡性能），生成的模型会自动保存到
SoVITS_weights目录 - 在 API 调用时在config.py文件中指定新模型名称，具体操作与前文一致，即可使用专属声线
七、总结
通过 GPT-SoVITS 与 “阅读” 软件的结合，我们实现了低成本、高效率的个性化语音朗读方案。这种方案不仅适用于小说阅读，还可扩展到有声书制作、教育音频生成等场景。后续可探索多语言支持、情感化朗读（如添加语气词）等功能，进一步提升用户体验。
项目地址：
- GPT-SoVITS：GitHub 仓库
- 阅读软件：GitHub 仓库
本文技术方案仅供学习交流，商业使用需注意语音版权问题。
觉得内容有帮助？点赞收藏关注，获取更多 Python 进阶干货～