简介

GPT-SoVITS 是一个开源的文本转语音（TTS）项目，旨在通过少量语音数据实现高质量的语音合成。其核心理念是将基于变换器的模型（如 GPT）与语音合成技术（如 SoVITS，可能指“唱歌语音合成”）结合，特别适合需要个性化语音但数据有限的场景。

特征

• 零样本 TTS：输入 5 秒的声音样本并体验即时文本到语音的转换。

• 少量 TTS：仅使用 1 分钟的训练数据对模型进行微调，以提高语音相似度和真实感。

• 跨语言支持：使用与训练数据集不同的语言进行推理，目前支持英语、日语、韩语、粤语和中文。

• WebUI 工具：集成语音伴奏分离、自动训练集分割、中文 ASR 和文本标注等工具，帮助初学者创建训练数据集和 GPT/SoVITS 模型。

环境配置

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

相关文献

在线demo:https://huggingface.co/spaces/lj1995/GPT-SoVITS-v2
github地址：https://github.com/RVC-Boss/GPT-SoVITS?tab=readme-ov-file