https://github.com/RVC-Boss/GPT-SoVITS

python 3.11

创建目录 E:\aizzz-env-dev\vits-env
创建环境 vits-env

conda create -n vits-env python=3.11
conda activate vits-env
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
python -m pip --version

安装 PyTorch 2.5.1 (CUDA 12.1 版本)

pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu121

cudnn暂时说不用装 说安装torch时候就带上了 conda install -c conda-forge cudnn -y
查看cudnn版本

python -c "import torch; print('cuDNN Enabled:', torch.backends.cudnn.enabled); print('cuDNN Version:', torch.backends.cudnn.version())"

官方windows安装

conda create -n GPTSoVits python=3.10
conda activate GPTSoVits
pwsh -F install.ps1 --Device <CU126|CU128|CPU> --Source <HF|HF-Mirror|ModelScope> [--DownloadUVR5]

根据官方说明，我cuda是12.6 所以用CU1126，所以安装命令如下

pwsh -F install.ps1 --Device CU126 --Source HF-Mirror --DownloadUVR5

上面破命令导致笔记本死机3次，W~~

安装GPT-SoVITS

当前目录 (vits-env) PS E:\aizzz-env-dev\vits-env>
github 下载，命令框 有点问题，从cla-h开powershell
刚才死机了3次，改了系统自动内存管理，改成固定初始32G，最大72G内存 再试试。
注意进去后，切环境
期间还注册了一个hf，最后也没用到，就是密码要求还挺严格，普通密码都不合格

conda activate vits-env
cd E:\\aizzz-env-dev\\vits-env
git clone https://github.com/RVC-Boss/GPT-SoVITS.git
(vits-env) PS E:\aizzz-env-dev\vits-env> cd .\GPT-SoVITS\

这个命令执行就死机，换下面的方案

pwsh -F install.ps1 --Device CU126 --Source HF-Mirror --DownloadUVR5
由于上面命令死机3次，换个方法安装 
根据手动安装文档：https://github.com/RVC-Boss/GPT-SoVITS/tree/main/docs/cn

pip安装git项目的依赖+ffmpeg

pip install -r extra-req.txt --no-deps
pip install -r requirements.txt （这个不用了,改下面的，因为里面对gpu的版本太高了）
pip install -r requirements.txt onnxruntime-gpu==1.18.0 gradio==3.50.2
pip uninstall -y fastapi starlette uvicorn
pip install "fastapi<0.110.0" "starlette<0.36.0" "uvicorn"
conda install ffmpeg

一个坑:如果一个库装过高版本的，直接指定老版本，不会覆盖，需要卸载再重装

pip uninstall gradio onnxruntime-gpu -y
pip install -r requirements.txt onnxruntime-gpu==1.18.0 gradio==3.50.2

下载一共3个文件，具体位置再整理
1.

第一个，整个仓库（GPT-SoVITS 主模型 放在 GPT_SoVITS/pretrained_models）
(vits-env) PS E:\aizzz-env-dev\vits-env\GPT-SoVITS\pretrained_models>git clone https://huggingface.co/lj1995/GPT-SoVITS

第2个文件（G2PW 模型 (中文必需) 解压后重命名为 G2PWModel，放入 GPT_SoVITS/text）
https://hf-mirror.com/XXXXRT/GPT-SoVITS-Pretrained/resolve/main/G2PWModel.zip

第3个文件 （UVR5 模型 (人声分离) tools/uvr5/uvr5_weights）
https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/uvr5_weights
这个比较特殊，因为是这个库的一个子目录，这个库80多个G，用git命令下hf的下不下来，所以改用hf命令下载
# 安装客户端
pip install -U huggingface_hub （这个不行，不写版本 版本太新，后面会报错）
pip install huggingface-hub==0.26.0
# 设置镜像源（国内用户推荐）
$env:HF_ENDPOINT = "https://hf-mirror.com"
# 下载整个 uvr5_weights 文件夹到本地
hf download lj1995/VoiceConversionWebUI --include "uvr5_weights/*" --local-dir ./
后面是放到相应目录，回头再看

后来又安装了几个老版本

pip install "fastapi<0.110.0" "starlette<0.36.0" "uvicorn"
pip show fastapi starlette gradio

GPT_SoVITS 这个模型目录名字很迷惑人，因为项目的叫 GPT-SoVITS,
一个是下划线，一个是中横线。我开始没反应过来。GPT_SoVITS 里面又是很复杂的结构。

check脚本

Set-Content check.py @'
import os, sys, torch, onnxruntime as ort
print('='*50)
print('1. Software Version Check')
print(f'Python: {sys.version.split()[0]}')
print(f'Torch: {torch.__version__}')
print(f'Torch CUDA Support: {torch.cuda.is_available()}')
print(f'Torch CUDA Ver: {torch.version.cuda}')
print(f'ONNX Runtime: {ort.__version__}')
print(f'ONNX Device: {ort.get_device()}')
print(f'ONNX Providers: {ort.get_available_providers()}')
print('='*50)
print('2. Key DLL Physical Path Check')
t_lib = os.path.join(os.path.dirname(torch.__file__), 'lib')
print(f'Torch lib Path: {t_lib}')
if os.path.exists(t_lib):
    print(f'  -> cuDNN DLLs: {[f for f in os.listdir(t_lib) if "cudnn" in f.lower() and f.endswith(".dll")]}')
    print(f'  -> CUDA RT DLLs: {[f for f in os.listdir(t_lib) if "cudart" in f.lower() and f.endswith(".dll")]}')
else:
    print('  -> Torch lib not found!')
o_capi = os.path.join(os.path.dirname(ort.__file__), 'capi')
print(f'ONNX capi Path: {o_capi}')
print(f'System CUDA_PATH: {os.environ.get("CUDA_PATH", "Not Set")}')
print('='*50)
'@; python check.py; remove-item check.py

输出

==================================================

1. Software Version Check

Python: 3.11.15

Torch: 2.5.1+cu121

Torch CUDA Support: True

Torch CUDA Ver: 12.1

ONNX Runtime: 1.18.0

ONNX Device: GPU

ONNX Providers: ['TensorrtExecutionProvider', 'CUDAExecutionProvider', 'CPUExecutionProvider']

==================================================

2. Key DLL Physical Path Check

Torch lib Path: E:\CondaConfig\envs\vits-env\Lib\site-packages\torch\lib

  -> cuDNN DLLs: ['cudnn64_9.dll', 'cudnn_adv64_9.dll', 'cudnn_cnn64_9.dll', 'cudnn_engines_precompiled64_9.dll', 'cudnn_engines_runtime_compiled64_9.dll', 'cudnn_graph64_9.dll', 'cudnn_heuristic64_9.dll', 'cudnn_ops64_9.dll']

  -> CUDA RT DLLs: ['cudart64_12.dll']

ONNX capi Path: E:\CondaConfig\envs\vits-env\Lib\site-packages\onnxruntime\capi

System CUDA_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4

==================================================

解释

诊断结果非常清晰！问题原因已经被我们精准锁定了：

软件版本配合：你的虚拟环境里安装的是 PyTorch 2.5.1 (CUDA 12.1)，它自带的是 cuDNN 9.x (cudnn64_9.dll) 文件夹，以及 cudart64_12.dll。

ONNX Runtime-GPU 依赖冲突：你安装的是 onnxruntime-gpu==1.18.0。

根据 ONNX 官方的兼容性规范，onnxruntime-gpu==1.18.0 默认寻找并依赖的是 cuDNN 8.x (cudnn64_8.dll)。

可是，你环境里 PyTorch 2.5.1 自带的是最新的 cuDNN 9.x (cudnn64_9.dll)。

同时，由于你系统的 CUDA_PATH 指向了 CUDA\v12.4，这就导致 ONNX 乱了套，既找不到 cuDNN 8，也没能把 PyTorch 12.1 的运行时路径加载进来。

解决方案 onnxruntime-gpu==1.19.2 支持的 cuDNN 9.x

# 1. 干净地卸载当前的 onnxruntime（防止 CPU 和 GPU 版本冲突）
pip uninstall onnxruntime onnxruntime-gpu -y

# 2. 安装与你的 CUDA 12.1 / cuDNN 9 完美适配的 ONNX Runtime 版本
pip install onnxruntime-gpu==1.19.2