Skip to content

v1.2.0 - ADR Studio (desktop CPU/GPU + container + headless)

Latest
Latest

Choose a tag to compare

View all tags
@HMUG12 HMUG12 released this 24 Oct 03:54
· 56 commits to main since this release
v1.2.0
6c984a2

v1.2.0 发布说明（草稿）

用途：tag v1.2.0 推送后作为 GitHub Release 正文（gh release create v1.2.0 --notes-file）。
实测数据已回填：CPU 459.5MB / GPU 1926.4MB；SHA256 见下载节。

⚠️ 补丁说明（2026-11-01）：本页安装包为未补丁构建，安装版训练不可用。

旧构建的 runtime\ 缺 scripts\，用安装版新建 / 续训声音时训练子进程找不到脚本，训练会直接失败（合成、推理与 API 服务不受影响；容器版 / 源码模式不受此限）。
需要训练请下载 v1.0.1 修复包（训练与合成都可用），或改用容器版 / 源码模式运行。本页资产的 SHA256 与体积均未改动。

ADR Studio v1.2.0 — 多形态分发

ADR 是运行在你自己电脑上的语音克隆 / TTS 工作台：几分钟参考音频完成声音克隆训练，提供 GPT-SoVITS 兼容的流式合成服务。全部推理与训练均在本地完成，语音与文本数据不上传任何服务器。

本版本重点：三种运行形态

引擎与 API 同源，按部署场景选择：

桌面版（Windows 安装包） 无 UI 服务版（server.bat） 容器版（Docker）
适用场景 Windows 桌面开箱即用 Windows 后台常驻 / 无人值守 Linux 服务器 / NAS / 云端
启动方式 双击 adr-desktop.exe 运行安装目录下 server.bat docker run
交互入口 壳内启动器 + 控制台 HTTP API（五套 API 面） HTTP API（五套 API 面）
变体 CPU / GPU 双安装包 同桌面版 镜像 tag -cpu / -cuda

新特性

  • 容器版 Docker 分发 — Dockerfile 两阶段构建（GSV 钉版 clone + 兼容补丁自动应用），docker compose 单命令起服务；镜像发布至 GitHub Container Registry：

    # CPU
docker run -d --name adr-server -p 9881:9881 -v adr-data:/data ghcr.io/hmug12/adr-server:1.2.0-cpu
# GPU（需 NVIDIA Container Toolkit）
docker run -d --name adr-server --gpus all -p 9881:9881 -v adr-data:/data ghcr.io/hmug12/adr-server:1.2.0-cuda

  • Windows 无 UI 服务版 — 安装目录自带 server.bat（env 驱动：ADR_DATA_DIR / ADR_TTS_API_KEY / ADR_TTS_DEVICE / ADR_LOG_LEVEL），后台常驻 / 无人值守场景免壳运行

  • 多语言合成 — 中 / 英 / 日 / 粤及中英混说（text_lang 参数 + 控制台语言选择）；声音档案可标记语种，合成默认语言自动联动

  • 控制台中英文切换 — 控制台四页（索引 / 新手 / 专业 / 调用）一键中英切换，352 条词条，语言偏好自动记忆

  • 声音档案导出 / 导入闭环 — .adrvoice 包（manifest + 权重 + 参考音频，sha256 完整性校验），换机迁移不再丢声音；导出前明确提示"权重即声音本体"（生物特征数据）

  • 续训流程 — easy / pro 控制台"改进已有声音"：追加录音 → 续训 → 质量门自动比对新旧相似度，退化可一键回滚（权重版本链逐版回退）

  • 13/14 代 Intel 闪退加固 — Raptor Lake AVX-512 硬件缺陷缓解：CPU 兼容模式（AVX2 上限）自动启用（识别 13/14 代即开，也可手动勾选）；native 崩溃时 faulthandler 兜底留痕

  • CUDA 稳定性 — OOM 分流（显存不足返回可读提示而非堆栈）+ 驱动版本诊断日志（驱动过旧导致的静默回退 CPU 有显式警告）

  • 日志体系 — server.log 超限自动轮转；CLI 统一 cli.log；崩溃留痕与"打开日志目录"入口

  • 训练安全 — 实验名 Windows 保留名清洗（CON/NUL 等不再导致建目录失败）；训练子进程统一 UTF-8（中文 Windows 乱码根除）

已知限制

  • 安装版训练不可用（见页首补丁说明）— 本页 Windows 安装包 runtime\scripts\ 缺包；容器版与源码模式不受影响
  • 中英混说清晰度 / 流畅度略欠（底模特性，单语种不受影响）
  • 韩语合成：Windows 版不支持（韩语 G2P 依赖在 Windows Python 3.13 不可用）；Linux 容器版已补齐 ko 链（g2pk2 + python-mecab-ko）
  • 安装包未经充分测试，如遇问题请提 Issues

下载

安装说明：per-user 安装无需管理员权限；两版共用同一 AppId，原地升级覆盖旧版，已下载底模与声音档案均保留；首启自动下载预训练底模（约 2GB），此后完全离线。

升级 / 兼容性

  • v1.0.x / v1.1.0 → v1.2.0：安装包直接覆盖（数据目录兼容）
  • N.E.K.O 对接方式不变：provider GPT-SoVITS，地址 http://127.0.0.1:9881
  • OpenAI 兼容接口不变：POST /v1/audio/speech、GET /v1/models
  • 控制台新增中英切换按钮（右上角）；档案新增语种标记（合成默认语言联动）
Assets 4
Loading