SoniTranslate

环境要求

• Linux 系统（README 注明安装仅在 Linux 下测试通过）
• 已安装 Anaconda / Miniconda
• Python 3.10（conda 环境 sonitr）
• NVIDIA GPU + CUDA 11.8 运行环境（PyTorch 使用 pytorch-cuda=11.8）
• 已安装并可用的 FFmpeg

安装与启动步骤

1. 1创建 conda 环境

   新建名为 sonitr 的 Python 3.10 环境并激活，随后升级 pip 与 setuptools 到 README 指定版本。

   conda create -n sonitr python=3.10 -y
   conda activate sonitr
   python -m pip install pip==23.1.2 Setuptools==80.6.0

   复制

2. 2安装 PyTorch

   通过 conda 的 pytorch 与 nvidia 频道安装 README 指定版本的 PyTorch 2.5.1 及配套 CUDA 11.8。

   conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=11.8 -c pytorch -c nvidia

   复制

3. 3克隆仓库

   从 GitHub 拉取 SoniTranslate 源码并进入项目目录，后续命令都在该目录执行。

   git clone https://github.com/r3gm/SoniTranslate.git
   cd SoniTranslate

   复制

4. 4安装依赖包

   依次安装基础依赖、额外依赖以及 onnxruntime-gpu，安装耗时较长请耐心等待。

   pip install -r requirements_base.txt -v
   pip install -r requirements_extra.txt -v
   pip install onnxruntime-gpu

   复制

5. 5安装 FFmpeg

   FFmpeg 用于处理音视频，README 推荐用 conda 安装；装完用 ffmpeg -h 确认已加入 PATH。

   conda install -y ffmpeg
   ffmpeg -h

   复制

6. 6可选安装 TTS

   按需安装 Piper TTS 或 Coqui XTTS，用于本地语音合成与声音克隆；不需要可跳过。

   pip install -q piper-tts==1.2.0
   pip install -q -r requirements_xtts.txt
   pip install -q TTS==0.21.1  --no-deps

   复制

7. 7设置 HF Token

   README 要求在 Linux 下把 Hugging Face token 设为环境变量，把示例值替换成你自己的 token。

   export YOUR_HF_TOKEN="YOUR_HUGGING_FACE_TOKEN"

   复制

8. 8启动应用

   在项目目录运行 app_rvc.py，终端出现 local URL 后即可在浏览器中打开使用。

   conda activate sonitr
   python app_rvc.py

   复制

关键配置

如何确认成功

终端打印出 local URL http://127.0.0.1:7860，用浏览器打开该地址能看到 SoniTranslate 的 Gradio 界面即为成功。

常见问题

注意事项

• README 中的 Hugging Face token 为占位符，务必替换成自己的真实 token 再执行。
• 安装说明基于 Linux 环境测试，其他操作系统不保证可用。
• PyTorch 安装命令带 pytorch-cuda=11.8，需要匹配的 NVIDIA 驱动和 CUDA 环境。
• TTS 相关包为可选项，不安装也可启动主程序。