XTTS-WebUI

便携版

该项目现已推出便携版，您无需再费心安装所有依赖项。

点击此处下载

运行此版本仅需 Windows 系统及配备 6GB 显存的 NVIDIA 显卡即可。

“训练”选项卡目前存在故障，如需训练模型，请使用独立的 WebUI：

xtts-finetune-webui

阅读说明支持以下语言：

英语

俄语

葡萄牙语

关于本项目

XTTS-WebUI 是一个基于网页的界面，旨在帮助用户充分发挥 XTTS 的潜力。在此界面的基础上，还可以结合其他神经网络模型以进一步提升效果。此外，用户还可以对模型进行微调，从而获得高质量的语音合成模型。

核心功能

• 轻松使用 XTTSv2
• 批量处理功能，适用于大量文件的配音任务
• 支持任意音频的翻译并保留原声
• 自动利用神经网络和音频工具优化输出效果
• 可直接对模型进行微调并立即使用
• 支持同时或单独使用 RVC、OpenVoice、Resemble Enhance 等工具
• 允许自定义 XTTS 生成参数，包括所有设置及多段发音样本

待办事项

• 添加包含进度与错误信息的状态栏
• 将训练功能集成到标准界面中
• 增加流式传输功能以便实时检查结果
• 引入新的文本处理方式用于语音合成
• 在批量处理时增加对不同说话人的自定义功能
• 添加 API 接口

安装说明

可通过 Google Colab 使用本 Web UI。

请确保已安装 Python 3.10.x 或 Python 3.11、CUDA 11.8 或 CUDA 12.1、Microsoft Builder Tools 2019（含 C++ 包）以及 FFmpeg。

方法一：通过脚本

Windows

开始步骤：

• 运行 install.bat 文件
• 启动 Web UI 时运行 start_xtts_webui.bat
• 打开您喜欢的浏览器，并访问控制台显示的本地地址。

Linux

开始步骤：

• 运行 install.sh 文件
• 启动 Web UI 时运行 start_xtts_webui.sh
• 打开您喜欢的浏览器，并访问控制台显示的本地地址。

方法二：手动安装

请按照以下步骤进行安装：

1. 确保已安装 CUDA。

2. 克隆仓库：git clone https://github.com/daswer123/xtts-webui。

3. 进入目录：cd xtts-webui。

4. 创建虚拟环境：python -m venv venv。

5. 激活虚拟环境：

   • Windows 用户：venv\scripts\activate。
   • Linux 用户：source venv/bin/activate。

6. 使用 pip 命令安装 PyTorch 和 torchaudio： pip install torch==2.1.1+cu118 torchaudio==2.1.1+cu118 --index-url https://download.pytorch.org/whl/cu118。

7. 安装 requirements.txt 中的所有依赖项： pip install -r requirements.txt。

运行应用程序

请按照以下步骤启动界面：

启动 XTTS WebUI：

激活您的虚拟环境：

venv/scripts/activate

或者在 Linux 上：

source venv/bin/activate

然后运行以下命令启动 XTTS WebUI：

python app.py

以下是启动应用程序时可使用的运行时参数：

参数	默认值	描述
-hs, --host	127.0.0.1	绑定的主机地址
-p, --port	8010	监听的端口号
-d, --device	cuda	使用的设备（cpu 或 cuda）
-sf,--speaker_folder	speakers/	包含 TTS 样本的目录
-o,--output	"output/"	输出目录
-l,--language	"auto"	WebUI 语言，可用语言可在 i18n/locale 文件夹中查看。
-ms,--model-source	"local"	指定模型来源：“api”表示从仓库获取最新版本并进行推理，“local”则使用本地推理及模型 v2.0.2。
-v,-version	"v2.0.2"	可指定要使用的 XTTS 版本。若要使用自定义模型，只需将模型文件夹放入 models 目录，并在此处指定文件夹名称。
--lowvram		启用低显存模式，该模式会在非活跃处理时将模型切换至内存。
--deepspeed		启用 DeepSpeed 加速。适用于 Windows 上的 Python 3.10 和 3.11。
--share		允许在局域网外共享界面。
--rvc		启用 RVC 后处理，所有模型应放置在 rvc 文件夹中。

TTS -> RVC

RVC 模块可用于对生成的音频进行后处理。您可以通过在命令行中添加 --rvc 标志来启用此模块，或将该标志写入启动文件。

为了让模型在 RVC 设置中正常工作，您需要选择一个模型，并将其上传至 voice2voice/rvc 文件夹。模型文件和索引文件必须放在一起，其中索引文件为可选。每个模型应位于单独的文件夹内。

XTTS-WebUI 与 官方 WebUI 的区别

数据处理

1. 更新了 faster-whisper 至 0.10.0，并增加了选择 larger-v3 模型的功能。
2. 将输出文件夹调整为主文件夹内的 output 文件夹。
3. 如果 output 文件夹中已存在数据集，您可以直接添加新音频；原有数据不会被重复处理，新数据将自动合并。
4. 启用 VAD 过滤器。
5. 数据集创建完成后，会生成一个指定数据集语言的文件。该文件将在训练前被读取，以确保语言一致性。这在重新启动界面时非常方便。

XTTS 编码器的微调

1. 增加了选择 XTTS 基础模型的功能，且在再次训练时无需重新下载模型。
2. 增加了在训练过程中选择自定义基础模型的能力，从而可以对已微调过的模型进行进一步微调。
3. 新增了一键优化模型的功能（步骤 2.5：将优化后的模型放入 output 文件夹）。
4. 您可以选择在优化模型后是否删除训练文件夹。
5. 优化模型时，参考示例音频会被移动到 output 文件夹。
6. 检查指定语言与数据集语言的一致性。

推理

1. 增加了在模型测试阶段自定义推理设置的功能。

其他

1. 如果在某个步骤中不小心重启了界面，可以将数据加载到其他按钮上。
2. 移除了日志的显示，因为重启时会导致问题。
3. 完成的结果会被复制到“ready”文件夹中，这些是完全完成的文件，您可以将它们移动到任何位置并作为标准模型使用。
4. 增加了对日语的支持这里。

该项目已在 BrowserStack 上进行了测试。

XTTS-WebUI 快速上手指南

XTTS-WebUI 是一个基于 XTTSv2 的 Web 界面工具，支持批量配音、语音翻译、模型微调以及集成 RVC、OpenVoice 等后处理工具，旨在提供高质量的语音合成体验。

环境准备

在开始之前，请确保您的系统满足以下要求：

系统要求

• 操作系统: Windows 或 Linux
• 显卡: NVIDIA GPU（推荐显存 ≥ 6GB）
• Python 版本: Python 3.10.x 或 3.11
• CUDA 版本: CUDA 11.8 或 CUDA 12.1
• 其他依赖:
  • Microsoft Build Tools 2019 (Windows 用户需安装 C++ 构建工具)
  • FFmpeg

前置检查

请确保已安装 Git 和对应的 CUDA 驱动。Windows 用户若选择手动安装，需提前配置好 C++ 编译环境。

安装步骤

您可以选择便携版（推荐 Windows 用户）或手动安装。

方法一：便携版安装（仅限 Windows，最简单）

无需配置复杂的环境依赖，解压即用。

1. 下载便携版压缩包： 点击下载 xtts-webui-v1_0-portable.zip
2. 解压下载的 ZIP 文件到任意目录。
3. 双击运行 start_xtts_webui.bat 启动服务。
4. 在浏览器中访问控制台显示的本地地址（通常为 http://127.0.0.1:8010）。

注意：当前版本的“训练 (Train)"标签页在便携版中不可用。如需微调模型，请使用独立的 xtts-finetune-webui。

方法二：手动安装（通用）

1. 克隆项目

git clone https://github.com/daswer123/xtts-webui
cd xtts-webui

2. 创建并激活虚拟环境

python -m venv venv

• Windows:

  venv\scripts\activate
  

• Linux:

  source venv/bin/activate
  

3. 安装 PyTorch

根据您的需求选择 CUDA 版本（以下为 CUDA 11.8 示例，国内用户可使用清华源加速）：

pip install torch==2.1.1+cu118 torchaudio==2.1.1+cu118 --index-url https://download.pytorch.org/whl/cu118

(可选：使用清华源加速)

pip install torch==2.1.1+cu118 torchaudio==2.1.1+cu118 --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 安装项目依赖

pip install -r requirements.txt

(建议添加国内镜像源以加快下载速度)

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

启动应用

确保虚拟环境已激活，运行以下命令启动 WebUI：

python app.py

启动成功后，终端会显示访问地址，默认通常为 http://127.0.0.1:8010。在浏览器中打开该地址即可使用。

常用启动参数

您可以根据需要添加参数自定义启动行为：

参数	说明	示例
-p, --port	指定端口号	python app.py -p 8080
--device	指定运行设备 (cpu/cuda)	python app.py --device cuda
--lowvram	低显存模式（将模型切换至内存）	python app.py --lowvram
--rvc	启用 RVC 后处理（需预先在 voice2voice/rvc 文件夹放置模型）	python app.py --rvc
--share	生成公网可访问链接	python app.py --share

简单操作流程

1. 文本转语音 (TTS): 在界面输入文本，选择参考音频（Speaker Sample），点击生成。
2. 批量处理: 上传多个文件或文本列表进行批量配音。
3. 语音转换: 上传音频文件，利用 XTTS 进行变声或翻译，并可勾选启用 RVC 进一步优化音色。
4. 模型管理: 将训练好的模型文件夹放入 models 目录，即可在界面中选择加载。

提示: 生成的最终结果会自动复制到 output/ready 文件夹，方便直接调用。