簡介
GPT-SoVITS 是一個開源的文本轉語音（TTS）項目，旨在通過少量語音數據實現高質量的語音合成。其核心理念是將基于變換器的模型（如 GPT）與語音合成技術（如 SoVITS，可能指“唱歌語音合成”）結合，特別適合需要個性化語音但數據有限的場景。
特征
-
零樣本 TTS：輸入 5 秒的聲音樣本并體驗即時文本到語音的轉換。
-
少量 TTS：僅使用 1 分鐘的訓練數據對模型進行微調，以提高語音相似度和真實感。
-
跨語言支持：使用與訓練數據集不同的語言進行推理，目前支持英語、日語、韓語、粵語和中文。
-
WebUI 工具：集成語音伴奏分離、自動訓練集分割、中文 ASR 和文本標注等工具，幫助初學者創建訓練數據集和 GPT/SoVITS 模型。
環境配置
Python 3.9, PyTorch 2.0.1, CUDA 11
Python 3.10.13, PyTorch 2.1.2, CUDA 12.3
Python 3.9, PyTorch 2.2.2, macOS 14.4.1 (Apple silicon)
Python 3.9, PyTorch 2.2.2, CPU devices
numba==0.56.4 requires py<3.11
看看效果
相關文獻
在線demo:https://huggingface.co/spaces/lj1995/GPT-SoVITS-v2
github地址：https://github.com/RVC-Boss/GPT-SoVITS?tab=readme-ov-file
