产品简介
GPT-SoVITS 是一款开源的文本转语音和语音克隆工具，只需1分钟语音数据即可训练高质量模型，解决传统TTS数据需求大的痛点，适合内容创作者、开发者和语音爱好者快速生成多语言语音。
核心功能
- 零样本文本转语音：输入5秒人声样本即时转换
- 少样本语音克隆：1分钟数据训练，提高声音真实感和相似度
- 跨语言推理：支持英语、日语、韩语、粤语和中文
- 集成WebUI工具：包括声音伴奏分离、自动数据分割、多语言ASR和文本标注
- 高速推理：在GPU上实现实时转换速度，如RTF 0.028
快速开始
- Windows用户下载集成包，双击go-webui.bat启动
- 使用conda创建Python 3.10环境并激活
- 运行安装脚本（如bash install.sh）并指定设备和源
- 通过命令行启动GPT-SoVITS-WebUI
界面预览
与其他方案对比
| 对比项 | GPT-SoVITS | 同类方案 |
|---|---|---|
| 训练数据需求 | 仅需1分钟语音数据即可训练模型 | 通常需要大量数据，耗时较长 |
| 支持语言 | 支持中英日韩粤等多语言跨语言推理 | 可能仅支持少数语言或无跨语言能力 |
| 推理速度 | 在GPU上实现实时推理，如4090上RTF 0.014 | 推理速度较慢，可能无法实时 |
适合谁用
- 需要快速生成多语言配音的内容创作者
- 集成语音功能到应用的开发者
- 克隆特定声音的语音爱好者
下载与版本
当前最新版本为 20250606v2pro，发布于 2025-06-06。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/RVC-Boss/GPT-SoVITS