GPT-SoVITS5 秒人声出克隆音色最短上手路径【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS你从播客里截一段 5 秒的人声拖进上传框填上它说的内容几秒后结果区出来的语音就是这个人说话的文章。这就是 GPT-SoVITS一个少样本语音克隆 TTS 工具官方实测在 RTX 4090 上实时因子约 0.014合成 1 秒音频约花 0.014 秒GTX 1060 级别的显卡也能跑。以前做 TTS要录几十分钟干净音频、再训几个小时。现在 5 秒片段就能做零样本克隆以前文本语言必须和录音一致现在中文音色切个语种开关就能念英文。最短安装路径与第一次合成最低要求GTX 1060 / 8GB 内存 / 20GB 磁盘推荐 RTX 3090 / 32GB 内存。Windows下载官方整合包解压后双击go-webui.bat即可不用进终端。Linux macOSmacOS 走 MPS 设备git clone https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS cd GPT-SoVITS conda create -n GPTSoVits python3.10 conda activate GPTSoVits bash install.sh --device CU128 --source HF # 按驱动选 CU126macOS 用 MPSinstall.sh会自动把底模和 G2PW 中文拼音模型拉到对应目录不用手动搬。国内网络换--source HF-Mirror或ModelScope。装完启动并操作根目录执行python webui.py浏览器打开9874端口进1-GPT-SoVITS-TTS页签两个权重下拉框都选不训练直接推底模上传一段310 秒的参考音频超出范围会报错填上这段音频说的文本填写要合成的文章选好语种点合成语音。几秒后结果区出现新音色的波形点试听确认音色对不对。典型场景零样本快速克隆手上只有一段 5 秒人声不想训练。直接上传参考音频、填参考文本和目标文本出同音色语音。贴合度受那 5 秒的限制能听。少样本微调克隆结果像又不像。备 1 分钟干净录音切片、自动转写、训练一轮相似度基本到位。跨语言合成只有中文音色但要念英文文章。目标文本语种切到英文即可拿回的仍是这个音色念英文不用另录底稿。带噪素材素材是混音或环境吵。先跑内置 UVR5 把人声分离出来再喂进去零样本结果干净不少。效果不够好两条路路线 A加数据做一轮微调。加 1 分钟干净录音在0页签跑 UVR5 人声分离、切片、ASR 自动转写并逐条校对再到1A训练集格式化工具生成 hubert、说话人向量、语义特征最后1B微调训练里依次训 GPTs1和 SoVITSs2。路线 B换个底模试试。下拉框里有 v2、v3、v4、v2Pro 等版本音质和贴合度各有取舍先试再定。判断标准听不出是那个人说明差在相似度走 A音色对但自然度、音质不满意先换 B。踩坑速查合成语音错字、变调→ 训练文本和音频对不上或语种标错 → 识别文本和音频逐条对照改完重训 s1。音频有底噪、听着闷→ 参考音频本身不干净 → 先用内置 UVR5 分离人声或换安静环境重录。显存爆掉→ 切片过长一次塞太多帧 → 把切片时长调短或把is_half设为True走混合精度。参考音频报错→ 音频不在 310 秒范围内 → 重新截取合适时长的片段。M4 CPU 上合成很慢→ CPU 推理实时因子约 0.526 → 有显卡就装 CUDA 版别用纯 CPU 硬跑。源码入口GPT_SoVITS/AR/— GPT 侧自回归生成语义序列的实现GPT_SoVITS/module/— SoVITS 声学模型结构与 VQ 量化GPT_SoVITS/TTS_infer_pack/— 推理主流程与多语言切换逻辑GPT_SoVITS/prepare_datasets/— ASR、特征提取、语义特征三步预处理GPT_SoVITS/text/— 各语言文本清洗、分词与 G2PW 多音字处理官方中文文档docs/cn/README.md现在就截一段自己的声音跑一次零样本合成听完就知道差在哪。不满意再把数据加到 1 分钟做一次微调比反复调参数更实在。【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考