GPT-SoVITS 报错别慌5 类高频故障的 3 分钟排查修复指南【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS如果你在用 GPT-SoVITS 做零样本声音克隆、微调训练或者调它的 TTS 接口时终端突然甩出一串红字先别急着删库重装。这份错误排查指南按装环境 → 起服务 → 调接口 → 跑训练 → 嫌太慢的顺序把每一类最常见的报错和对应命令都整理好了。照着下面这张表找到你卡住的那一步点过去一般三分钟就能解决。你现在卡在哪一步你卡在哪一步直接看这里装环境时依赖装不上依赖冲突怎么修模型文件找不到预训练模型缺失服务起不来、端口被占释放被占端口显存爆掉、CUDA OOM显存不足与 batch_size接口返回 400必填字段核对训练中途崩溃数据与参数合成太慢想提速推理提速三板斧装环境先搞定依赖和预训练模型 ModuleNotFoundError 和依赖冲突终端里蹦出ModuleNotFoundError: No module named ...之类的提示多半不是代码问题而是环境里混进了别的项目的 Python 包或者上次安装中途中断了。install.sh 把 PyTorch、requirements.txt和extra-req.txt、预训练模型、G2PW 多音字模型、NLTK 数据这些活全包了所以最省事的做法是回 conda 环境里重跑一遍bash install.sh --device CU128 --source ModelScope--device选CU126/CU128/MPS/CPU--source选HF/HF-Mirror/ModelScope按你机器和网络情况挑。跑完再执行下面这条能正常打印版本号就说明依赖齐了python -c import torch; print(torch.__version__, torch.cuda.is_available())预训练模型缺失路径不存在警告WebUI 刚启动时终端打印出一串warning: 以下模型不存在:后面跟着几个GPT_SoVITS/pretrained_models/开头的路径——这是 webui.py 里check_pretrained_is_exist在点名比如chinese-hubert-base、chinese-roberta-wwm-ext-large和对应版本的s2G/s2D权重。原因是 git 仓库本身不带这几个模型要单独下载。注意GPT_SoVITS/download.py其实是多音字模型相关脚本不要指望它来补预训练模型模型下载统一由 install.sh 完成。所以回到上一步用 install.sh 重跑一遍它会解压出完整的 pretrained_models 目录。警告消失即修好。起服务端口和显存 端口被占了服务起不来终端提示Address already in use说明端口已经有进程蹲着了。主 WebUI 默认端口是 config.py 里的webui_port_main 9874旁边还有 9871~9873 给切片、推理、UVR5 用API 是 9880改哪个就改对应那行。不想改配置的话先查出占着端口的进程再结束它lsof -i:9874 kill -9 PID把PID换成上一条查到的进程号。端口腾出来之后重新启动 webui.py终端能正常刷出日志就是成功了。显存不足CUDA OOMtorch.cuda.OutOfMemoryError出现时不用慌webui.py 启动时其实已经按显存算好了default_batch_size和default_max_batch_size上限是默认值的 3 倍而且一旦走 FP32 精度还会自动把 batch_size 折半。所以修法是把训练面板里的batch_size往默认值靠拢、别再往上加4GB 显存的卡从 1 开始试实在还爆就在 WebUI 训练选项里打开if_grad_ckpt梯度检查点用多算一遍换显存占用。另外 config.py 里is_half是启动时自动探测的老卡上会自动落到 FP32不用手动折腾。调接口参数和合成 ⚙️接口返回 400必填字段没给全接口返回了{message: text_lang is required}这类 JSON 时说明请求体里缺字段。api_v2.py 会依次校验text不能为空、ref_audio_path必须指向一份真实存在的 WAV 参考音频、text_lang要在当前模型版本支持的语言列表内语言不支持时会直接告诉你哪个版本不认这个语言。对着 api_v2.py 文件头部的请求示例把参数补齐再发一次拿到 200 和音频流就通了。tts failed合成环节挂了如果状态码还是 400 但 message 是tts failed响应里的Exception字段写着具体异常先看它。排查按这个顺序来确认参考音频是格式正常的 WAV 且时长足够短、文本没异常长把text_split_method换个策略试试可选值见 GPT_SoVITS/TTS_infer_pack/text_segmentation_method.pycut0~cut5是常用的几档显存吃紧的话把batch_size降到 1。跑训练数据与参数 ️ZeroDivisionError 与 NaN多半是数据的事训练中途崩出ZeroDivisionError或者 loss 一路变成 NaN最常见的根源是训练集不干净有太短甚至没有声音的音频、标注文本和音频对不上。先把这类样本从数据集里剔掉重新跑还不行的话打开if_grad_ckptwebui.py 的 s2 训练流程会读取这个开关压低峰值显存同时把batch_size压到 1 观察 loss 曲线是否恢复。GPT 权重加载失败切换模型时终端提示权重加载失败先确认.ckpt文件大小是否正常几 KB 的文件多半是下载不完整再确认选的底模版本和 GPT/SoVITS 权重配套v3 与 v4 的 GPT 权重本来就共用s1v3.ckpt别自己乱拷文件。文件确认没问题仍报损坏的话可以跑 GPT_SoVITS/process_ckpt.py 把 checkpoint 重新规整保存一遍它还能顺带处理中文路径下保存失败的老问题。推理提速三板斧 第一斧api_v2.py 里parallel_infer默认就是True如果你手动关掉过把它改回来。第二斧日常合成走 WebUI 的fast 推理入口底层就是 GPT_SoVITS/inference_webui_fast.py比标准推理快不少。第三斧追求极致吞吐就用 TorchScript/ONNX 导出路线跑 GPT_SoVITS/export_torch_script.py带版本号参数v3/v4 用对应的 v3v4 脚本导出后加载速度会有提升具体用法以脚本头部注释为准。版本与显存速查v1 / v2Python 3.8CUDA 11.7最低 4GB 显存v2ProPython 3.9CUDA 12.1最低 6GB 显存v3 / v4Python 3.10CUDA 12.6install.sh 直接支持 CU126/CU128最低 8GB 显存版本之间权重不通用混着选会报加载错误。自检命令清单 ✅贴到终端里跑一遍把输出截图存好python -c import torch; print(cuda:, torch.cuda.is_available()); print([torch.cuda.get_device_properties(i).total_memory // 1024 // 1024 // 1024 for i in range(torch.cuda.device_count())])python -c import config; print(config.is_half, config.infer_device, config.webui_port_main, config.api_port)python -c from GPT_SoVITS.TTS_infer_pack.TTS import TTS; print(TTS(GPT_SoVITS/configs/tts_infer.yaml).version)三条都能正常输出基本可以判定环境、配置和模型都就绪了。高频坑位提醒端口别记错主 WebUI 默认是 9874、API 是 9880网上一些旧教程写的 9870 是过时信息改端口前先看 config.py 里的实际值。16 系显卡强制 FP32GTX 16 系因为半精度支持有限config.py 里的get_device_dtype_sm会自动把精度降到 float32并联动把训练 batch_size 折半这不是 bug。训练目录别带中文路径尤其训日语数据时路径里含中文字符容易触发 ASR 和保存环节的异常把项目挪到纯英文路径下再跑最稳。到这里90% 的报错应该都找到归宿了。如果没对上号去 GitHub Issues 提单时记得附上完整日志和复现步骤能帮维护者更快定位问题。【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 GPT-SoVITS 报错别慌：5 类高频故障的 3 分钟排查修复指南
GPT-SoVITS 报错别慌5 类高频故障的 3 分钟排查修复指南【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS如果你在用 GPT-SoVITS 做零样本声音克隆、微调训练或者调它的 TTS 接口时终端突然甩出一串红字先别急着删库重装。这份错误排查指南按装环境 → 起服务 → 调接口 → 跑训练 → 嫌太慢的顺序把每一类最常见的报错和对应命令都整理好了。照着下面这张表找到你卡住的那一步点过去一般三分钟就能解决。你现在卡在哪一步你卡在哪一步直接看这里装环境时依赖装不上依赖冲突怎么修模型文件找不到预训练模型缺失服务起不来、端口被占释放被占端口显存爆掉、CUDA OOM显存不足与 batch_size接口返回 400必填字段核对训练中途崩溃数据与参数合成太慢想提速推理提速三板斧装环境先搞定依赖和预训练模型 ModuleNotFoundError 和依赖冲突终端里蹦出ModuleNotFoundError: No module named ...之类的提示多半不是代码问题而是环境里混进了别的项目的 Python 包或者上次安装中途中断了。install.sh 把 PyTorch、requirements.txt和extra-req.txt、预训练模型、G2PW 多音字模型、NLTK 数据这些活全包了所以最省事的做法是回 conda 环境里重跑一遍bash install.sh --device CU128 --source ModelScope--device选CU126/CU128/MPS/CPU--source选HF/HF-Mirror/ModelScope按你机器和网络情况挑。跑完再执行下面这条能正常打印版本号就说明依赖齐了python -c import torch; print(torch.__version__, torch.cuda.is_available())预训练模型缺失路径不存在警告WebUI 刚启动时终端打印出一串warning: 以下模型不存在:后面跟着几个GPT_SoVITS/pretrained_models/开头的路径——这是 webui.py 里check_pretrained_is_exist在点名比如chinese-hubert-base、chinese-roberta-wwm-ext-large和对应版本的s2G/s2D权重。原因是 git 仓库本身不带这几个模型要单独下载。注意GPT_SoVITS/download.py其实是多音字模型相关脚本不要指望它来补预训练模型模型下载统一由 install.sh 完成。所以回到上一步用 install.sh 重跑一遍它会解压出完整的 pretrained_models 目录。警告消失即修好。起服务端口和显存 端口被占了服务起不来终端提示Address already in use说明端口已经有进程蹲着了。主 WebUI 默认端口是 config.py 里的webui_port_main 9874旁边还有 9871~9873 给切片、推理、UVR5 用API 是 9880改哪个就改对应那行。不想改配置的话先查出占着端口的进程再结束它lsof -i:9874 kill -9 PID把PID换成上一条查到的进程号。端口腾出来之后重新启动 webui.py终端能正常刷出日志就是成功了。显存不足CUDA OOMtorch.cuda.OutOfMemoryError出现时不用慌webui.py 启动时其实已经按显存算好了default_batch_size和default_max_batch_size上限是默认值的 3 倍而且一旦走 FP32 精度还会自动把 batch_size 折半。所以修法是把训练面板里的batch_size往默认值靠拢、别再往上加4GB 显存的卡从 1 开始试实在还爆就在 WebUI 训练选项里打开if_grad_ckpt梯度检查点用多算一遍换显存占用。另外 config.py 里is_half是启动时自动探测的老卡上会自动落到 FP32不用手动折腾。调接口参数和合成 ⚙️接口返回 400必填字段没给全接口返回了{message: text_lang is required}这类 JSON 时说明请求体里缺字段。api_v2.py 会依次校验text不能为空、ref_audio_path必须指向一份真实存在的 WAV 参考音频、text_lang要在当前模型版本支持的语言列表内语言不支持时会直接告诉你哪个版本不认这个语言。对着 api_v2.py 文件头部的请求示例把参数补齐再发一次拿到 200 和音频流就通了。tts failed合成环节挂了如果状态码还是 400 但 message 是tts failed响应里的Exception字段写着具体异常先看它。排查按这个顺序来确认参考音频是格式正常的 WAV 且时长足够短、文本没异常长把text_split_method换个策略试试可选值见 GPT_SoVITS/TTS_infer_pack/text_segmentation_method.pycut0~cut5是常用的几档显存吃紧的话把batch_size降到 1。跑训练数据与参数 ️ZeroDivisionError 与 NaN多半是数据的事训练中途崩出ZeroDivisionError或者 loss 一路变成 NaN最常见的根源是训练集不干净有太短甚至没有声音的音频、标注文本和音频对不上。先把这类样本从数据集里剔掉重新跑还不行的话打开if_grad_ckptwebui.py 的 s2 训练流程会读取这个开关压低峰值显存同时把batch_size压到 1 观察 loss 曲线是否恢复。GPT 权重加载失败切换模型时终端提示权重加载失败先确认.ckpt文件大小是否正常几 KB 的文件多半是下载不完整再确认选的底模版本和 GPT/SoVITS 权重配套v3 与 v4 的 GPT 权重本来就共用s1v3.ckpt别自己乱拷文件。文件确认没问题仍报损坏的话可以跑 GPT_SoVITS/process_ckpt.py 把 checkpoint 重新规整保存一遍它还能顺带处理中文路径下保存失败的老问题。推理提速三板斧 第一斧api_v2.py 里parallel_infer默认就是True如果你手动关掉过把它改回来。第二斧日常合成走 WebUI 的fast 推理入口底层就是 GPT_SoVITS/inference_webui_fast.py比标准推理快不少。第三斧追求极致吞吐就用 TorchScript/ONNX 导出路线跑 GPT_SoVITS/export_torch_script.py带版本号参数v3/v4 用对应的 v3v4 脚本导出后加载速度会有提升具体用法以脚本头部注释为准。版本与显存速查v1 / v2Python 3.8CUDA 11.7最低 4GB 显存v2ProPython 3.9CUDA 12.1最低 6GB 显存v3 / v4Python 3.10CUDA 12.6install.sh 直接支持 CU126/CU128最低 8GB 显存版本之间权重不通用混着选会报加载错误。自检命令清单 ✅贴到终端里跑一遍把输出截图存好python -c import torch; print(cuda:, torch.cuda.is_available()); print([torch.cuda.get_device_properties(i).total_memory // 1024 // 1024 // 1024 for i in range(torch.cuda.device_count())])python -c import config; print(config.is_half, config.infer_device, config.webui_port_main, config.api_port)python -c from GPT_SoVITS.TTS_infer_pack.TTS import TTS; print(TTS(GPT_SoVITS/configs/tts_infer.yaml).version)三条都能正常输出基本可以判定环境、配置和模型都就绪了。高频坑位提醒端口别记错主 WebUI 默认是 9874、API 是 9880网上一些旧教程写的 9870 是过时信息改端口前先看 config.py 里的实际值。16 系显卡强制 FP32GTX 16 系因为半精度支持有限config.py 里的get_device_dtype_sm会自动把精度降到 float32并联动把训练 batch_size 折半这不是 bug。训练目录别带中文路径尤其训日语数据时路径里含中文字符容易触发 ASR 和保存环节的异常把项目挪到纯英文路径下再跑最稳。到这里90% 的报错应该都找到归宿了。如果没对上号去 GitHub Issues 提单时记得附上完整日志和复现步骤能帮维护者更快定位问题。【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考