本地部署 GPT-SoVITS 时遇到 Paddle 音频依赖库安装冲突，通常不是“某一个包装不上”，而是 pip 在同一个环境里同时满足 GPT-SoVITS 的 PyTorch 依赖链和 PaddlePaddle/PaddleAudio 依赖链时，两边对 numpy、protobuf、pybind11 等公共包的版本要求不一致。处理方向是先把环境隔离，再按项目依赖顺序安装，最后用 pip check 验证，而不是反复升级或降级单个包。
Paddle 音频依赖冲突建议放在独立虚拟环境里解决，不要继续在全局 Python 里反复卸载重装。先装 GPT-SoVITS 主依赖，再单独补 Paddle CPU/GPU wheel，最后用 pip check 和实际启动命令验证。若报错指向 numpy/protobuf/pybind11，按 pip 给出的冲突范围固定版本，避免使用第三方源。
先确认冲突来自哪一段依赖链
不同报错对应不同处理方式。先用 pip 自带校验命令看当前环境是否已存在损坏依赖：
python -m pip check
python -m pip list
python -m pip show paddlepaddle paddleaudio如果 pip check 输出 No broken requirements，说明环境本身没坏，冲突发生在安装阶段解析版本时。这时用 pipdeptree 看 Paddle 音频相关包依赖了谁：
python -m pip install pipdeptree
python -m pipdeptree -p paddlepaddle
python -m pipdeptree -p paddleaudio要先确认 GPT-SoVITS 是否真的需要 PaddleAudio。有些版本并不安装这个包，或者只把它作为可选能力；没有明确需要时不要补装，引入 Paddle 链会带来额外冲突。
新建虚拟环境，按两段安装
如果当前环境已经被其他项目占用，建议新建一个专用 Python 虚拟环境。激活后先确认 Python 版本，再升级 pip 基础组件：
python -m venv gptsovits_venv
source gptsovits_venv/bin/activate
python `--version`
python -m pip install `--upgrade` pip wheel setuptools激活后先看 GPT-SoVITS 仓库是否有 requirements.txt。如果项目自己的依赖声明里已经包含 Paddle 相关包，直接按它的 requirements 安装，不要在这之前手动预装 PaddleAudio。只有安装报错并明确指向 Paddle 链时，才把 Paddle 部分拆出来处理。
需要拆分时，可以用编辑器把 requirements.txt 中 paddlepaddle 和 paddleaudio 两行临时注释掉，先安装其余依赖，再单独安装 Paddle 的 CPU 版 wheel：
python -m pip install paddlepaddle
python -m pip install paddleaudio没有 CUDA 环境的机器，优先装 CPU 版 Paddle。CPU 版更容易与 GPT-SoVITS 其他依赖共存，也方便在环境没配好前先定位依赖问题。
固定冲突包，按报错给出版本
当 pip 明确提示某个包与另一个包冲突时，把冲突包重装到报错允许的版本范围内。以下命令是示意，实际版本号要以你的 Python 版本和报错信息为准：
python -m pip install "numpy==报错给出的版本"
python -m pip install "protobuf==报错给出的版本"
python -m pip check不建议直接用 pip install `--upgrade` `--force-reinstall` 把相关包全部强装一遍。强装可能绕过 pip 的版本判断，但运行 import 时仍会因为二进制接口不匹配而报错，而且会让后续排查更难。
验证依赖是否真正装通
验证分两步。第一步是 pip check 不报损坏依赖；第二步是导入 Paddle 音频相关模块，并启动 GPT-SoVITS 的入口脚本：
python -c "import paddle; print(paddle.__version__)"
python -c "import paddleaudio; print(paddleaudio.__file__)"
python webui.py如果 import 阶段出现 libstdc++、numpy.ndarray 或 protobuf 相关错误，说明版本固定还没到位，需要回到 pipdeptree 的输出重新排查，而不是继续往下跑训练或推理。
环境隔离和版本固定的边界是：它们只解决依赖冲突，不解决音频硬件问题、模型权重缺失或 CUDA 与 PyTorch 不匹配。后续如果要切换 GPU，需要先把当前环境里的 Paddle CPU 版卸载，再安装与 CUDA 匹配的 GPU 版，不能把 CPU 版和 GPU 版混在同一环境里。