跳到正文

GPT-SoVITS

本地运行的零样本语音转换与文本转语音 WebUI

访问官网

GPT-SoVITS 是什么

GPT-SoVITS-WebUI 在仓库里被介绍为用于零样本语音转换和文本转语音的 WebUI。记录的功能包括零样本 TTS、少样本 TTS、跨语言支持以及配套的 WebUI 工具。仓库注明支持英语、日语和中文,并列出人声伴奏分离、训练集自动切分、中文 ASR 与文本标注等集成工具,用途是帮助初学者准备训练数据集并训练 GPT 与 SoVITS 模型。

你可以用它做什么

  • 用 5 秒声音样本体验即时文本转语音
  • 用约 1 分钟数据微调模型
  • 用不同于训练数据的语言做推理

需要留意什么

  • 本地使用需准备环境,依赖 Python 与 PyTorch
  • 资料注明支持英语、日语和中文

优点与缺点

✓ 我们认可的地方

  • 对数据量的说明很具体:5 秒与 1 分钟
  • 数据集准备工具随项目一并提供
  • 仓库记录了安装方式、预训练模型与数据格式

! 需要留意的地方

  • 需要本地安装与管理模型,资料未描述托管选项
  • 硬件与依赖兼容性由使用者自行处理
  • 来源未说明克隆声音的同意与授权框架

常见问题

起步需要多少音频?

仓库描述的是 5 秒样本做即时 TTS、约 1 分钟做微调。

支持哪些语言?

点名英语、日语和中文,并列出跨语言推理。

带数据集工具吗?

列出人声伴奏分离、训练集自动切分、中文 ASR 与文本标注。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法