cortico-world-gpt-sovits-for-coopanion

项目概述

这个扩展由 Phantivia 开发，是 Coopanion 扩展体系里的语音 World：Coo 每次 pet_say 之前在同一次回复里先调用 sovits_speak，扩展用本机 GPT-SoVITS 流式合成这句话并从声卡播出。sovits_speak 等第一块音频写进声卡才返回，所以紧跟其后的 pet_say 气泡与声音同步出现。

项目	内容
宿主	Coopanion（桌宠）
推理引擎	GPT-SoVITS api_v2
推理档	显卡 V5 turbo、CPU v2ProPlus，默认自动选择
配置	worlds.gpt-sovits

桌宠开口说话，声音由本机 GPT-SoVITS 实时合成。

主要功能

• 两档推理：有 NVIDIA 显卡走显卡档（V5 turbo，实测首包 0.5–1.0 秒、显存 3.5 GB），其余走 CPU 档（v2ProPlus，首包 0.8–1.1 秒、内存 5.8 GB）
• 预设音色：随包带女声、男声两个音色（由 MOSS-VoiceGenerator 生成，参数在 assets/voices/prompts.json），也可上传 3–10 秒自定义参考音频
• 三种后端接入：已有服务直连 serverUrl、自备 GPT-SoVITS 目录填 runtimeDir、或在面板上「安装并启动」托管运行时（独立 CPython 3.12 与权重，按 SHA-256 校验）
• 工具与事件：sovits_speak(text) 排队合成，sovits_hush() 停止并清空队列，事件 gpt-sovits.state 广播语音可用性
• 参数可调：语速、音量（0–1）、输出设备名、提示词语言（默认 zh）均可在配置页修改

安装与启用

1. 在 Coopanion 高级模式打开「GPTSovits 语音」设置页
2. 默认 tier: auto：nvidia-smi 列得出显卡就用显卡档，首次启动显卡档要编译 CUDA 内核（实测第一次 74 秒，之后约 11 秒）
3. 中、英、日各一句预热，预热完成才算可用
4. 不装扩展或未调 sovits_speak 时，pet_say 保持静音，不影响桌宠本体

权限与影响范围

• 本机服务：推理服务以 runtime/python.exe -I -X utf8 -u api_v2.py 启动，只监听 127.0.0.1 的空闲端口
• 磁盘占用：托管安装把运行时与权重装到部署根的 runtimes/gpt-sovits/<版本>/<档>/ 与 models/gpt-sovits/pretrained_models/
• 音量补偿：v2ProPlus 输出电平低（峰值约 −27 dBFS），播放时自动乘 8 倍并软限幅

注意事项

• 显卡档不适合 CPU 跑：V5 turbo 在 CPU 上首包 3–4 秒、实时率 1.2–1.5 跟不上播放，所以 CPU 档固定用 v2ProPlus
• 改档需重启：tier 与后端相关配置改动后要重启推理服务生效
• 状态以事件为准：环境提示词里的语音状态只是前缀重建时的快照，实时可用性看 gpt-sovits.state 事件