Overview
产品概述
GPT-SoVITS 是一个开源的少样本语音克隆与文本转语音 WebUI，只需 1 分钟语音数据即可训练出效果良好的 TTS 模型（5 秒语音样本可用于零样本转换）。它支持中、英、日、韩、粤语的跨语言合成，并内置伴奏分离、训练集自动切分、多语言 ASR 与文本标注等工具，帮助用户构建训练数据集与 GPT/SoVITS 模型。
Capabilities
核心能力
零样本与少样本语音克隆 TTS
输入 5 秒语音样本即可进行零样本文本转语音；仅需 1 分钟训练数据微调即可提升声音相似度与真实感。
跨语言合成支持
支持英语、日语、韩语、粤语和中文，可在与训练集不同的语言间进行推理与跨语言合成。
WebUI 数据处理工具链
集成伴奏/人声分离、自动训练集切分、多语言 ASR（Fun-ASR-Nano、SenseVoice、经典 FunASR）及文本标注等功能，便于创建数据集和训练 GPT/SoVITS 模型。
Use Cases
适用场景
-
01
个人声音克隆
使用 1 分钟语音数据微调模型，获得高相似度的个人音色 TTS 效果。
-
02
低音质参考音频的 TTS 合成
对来自网络等高频缺失、听感沉闷的低质量参考音频，v2 版本可提升合成音质。
-
03
跨语言内容创作
允许训练集、参考音频与合成语言不同，在五种语言间互相合成，适合多语言配音等场景。
Integrations
集成能力
Docker
提供 Docker 镜像与 docker-compose 配置，可在容器中运行 GPT-SoVITS 服务。
Google Colab
提供 Colab 推理与 WebUI 笔记本，可在云端快速体验。
Hugging Face Demo
提供 Hugging Face 在线演示，可体验高速推理。
AutoDL 云 Docker
面向中国用户提供 AutoDL 云端 Docker，可在线体验完整功能。
