01 / QUICK START
五步，完成第一段声音
本教程对应 F:\GPT-SoVITS 的 Windows CPU / AMD GPU 安装与霖羽音域工作台。先用 V5 Turbo 跑通短句，再调整声音。
02 / REFERENCE
好参考，比反复调参更重要
参考音频决定模仿的音色与表达。长度必须为 3–10 秒；4–8 秒留出裁剪余量，更便于首次尝试。
优先选这样的片段
- 单人清晰独白，声音自然、音量稳定。
- 没有明显背景音乐、回声或削波。
- 文字能听清，能准确逐字填写。
- 语气接近你想生成的表达。
这些素材先换掉
- 不足 3 秒，或超过 10 秒。
- 多人重叠、伴奏盖过人声。
- 大量静音、强降噪失真或爆音。
- 转写与音频不符，或省略整句。
点击合成前
0 / 403 / PARAMETERS
从默认值开始，一次只改一项
支持 AMD RX 7900 XTX GPU 推理，也保留独立 CPU 环境。工作台页眉标注实际设备。先保持 batch_size 为 1；更多采样步数意味着更多计算，不保证每段声音都更好。
V5 Turbo
4 steps · CFG 0
Start-V5-Turbo-AMD.bat菜单 1 为 AMD，菜单 3 为 CPU；先验证文本、参考与节奏。
V5 Dev
32 steps · CFG 1.30
Start-V5-Dev-AMD.bat菜单 2 为 AMD，菜单 4 为 CPU。AMD Dev 已完成短句合成验收，音色与表达请自行试听比较。
| 参数 | 默认值 | 使用建议 |
|---|---|---|
| 语速 | 1.0 | 范围 0.6–1.65；数值更大，讲话更快。 |
| 分段间隔 | 0.3 秒 | 调整生成片段之间的静音，范围 0.01–1 秒。 |
| 怎么切 | 凑四句一切 | 长文可尝试按标点切，逐段检查读音。 |
| batch_size | 1 | 先保持 1 完成短句，CPU 尤其建议保留。 |
| Euler steps | Turbo 4 / Dev 32 | 可选 4、8、16、32；先保留模型默认。 |
| CFG | Turbo 0 / Dev 1.30 | 范围 0–2；先使用对应默认值。 |
| top_k / top_p | 15 / 1 | 控制采样范围；首次不改。 |
| temperature | 1 | 控制采样随机程度；与音色好坏没有简单对应关系。 |
| 重复惩罚 | 1.35 | 影响文本到语义的生成，避免大幅改动。 |
| 保持随机 / 种子 | 开启 / −1 | 对比时关闭保持随机并填固定整数；其他条件也保持一致。 |
| 数据分桶 | 界面勾选 | V5 声码器并行推理会自动关闭分桶，无需手动优化。 |
| 超采样 / GPU 加速 | 超采样关闭 | 超采样仅 V3 生效；当前 CPU 与 AMD 环境均不提供 CUDA Graph、flash_attn 加速。 |
没有匹配的参数，试试更短的关键词。
04 / EXPORT
试听确认后，把结果保存下来
先听清读音、停顿和尾句，再保存满意的一次。不同参考与文本的效果会变化。
- 长文可使用页面底部“文本切分工具”，再把“切分后文本”手动复制回“需要合成的文本”。
- 保留参考片段、目标文本与参数，方便后续比较；固定种子不保证跨版本或硬件完全一致。
05 / TROUBLESHOOTING
遇到问题，先检查这几处
从启动窗口里的实际报错定位。本教程聚焦直接语音合成，不包含训练、自动识别或人声分离流程。
网页打不开，或没有自动出现界面？
先运行“启动霖羽音域.bat”，选择设备和模型，保留终端并等待加载，再访问 http://127.0.0.1:9872。检查终端是否报错；同一端口只运行一个服务。使用本安装提供的入口，不用原始 go-webui.bat。
没有生成声音，或提示参考信息错误？
确认已填目标文本、上传参考音频。参考必须 3–10 秒，并填写准确转写；V5 不支持无参考文本模式。已有波形但听不到时，检查播放器音量、系统输出设备与静音状态。
有 AMD GPU，为什么第一次仍要等？
确认页眉显示 AMD GPU。首次包含预热；本机同一短句测试，Turbo 预热后约 2.4 秒，CPU 约 11.1 秒，首次 AMD 曾耗时约 44.4 秒。这是单组记录，输出长度也略有不同，不代表固定速度。先用短句，避免重复点击。若显示 CPU，可在菜单选择 AMD；检查失败时保留原服务，可继续使用 CPU。
GPT 显示 v3，是不是模型选错了？
正常。V5 共用 s1v3.ckpt GPT 底模；版本主要看 SoVITS 下拉框是否为 v5turbo 或 v5dev。
长文本怎样处理更稳妥？
补齐标点并分段，先试听少量内容。可修改“怎么切”，或用底部切分工具后手动复制回目标文本框。换行会用于分段合成再拼接。
音色不像、读音不准，先改哪里？
先换更清晰、语气一致的参考片段，核对转写和两处语种选择。中文夹英文可试“中英混合”。再逐项调语速或采样参数，不承诺任意素材都能准确复现音色。
如何切换 AMD / CPU，或 Turbo / Dev？
先完成当前合成，再运行“启动霖羽音域.bat”：1 AMD Turbo、2 AMD Dev、3 CPU Turbo、4 CPU Dev。菜单先检查 AMD 环境，再停止旧服务；切换会重启并中断任务。所有入口共用 9872 端口，不可同时运行。CPU 备用入口为 Start-V5-CPU.bat，原 Turbo / Dev 入口也仍使用 CPU。两个环境共用模型与主题；本 AMD Windows 环境用于推理，不代表训练已支持或验收。
技巧会慢慢熟练，
第一句声音，现在就可以开始。