GPT-SoVITS是一个声音克隆和文本到语音转换的开源 Python RAG框架。
只需5秒的数据，它就可以模仿你的声音，只需1分钟的声音数据，就可以训练出一个高质量的TTS模型，完美克隆你的声音！
根据演示来看，它似乎是目前中文支持比较好的模型。
界面也很易用。
主要特点包括：
1. 零样本TTS：只需5秒的声音样本即可体验即时的文本到语音转换。
2. 少量样本训练：只需1分钟的训练数据即可微调模型，提高声音相似度和真实感。模仿出来的声音会更接近原声，听起来更自然。
3. 跨语言支持：支持与训练数据集不同语言的推理，目前支持英语、日语和中文。
4. 易于使用的界面：集成了声音伴奏分离、自动训练集分割、中文语音识别和文本标签等工具，帮助初学者更容易地创建训练数据集和GPT/SoVITS模型。
5. 适用于不同操作系统：项目可以在不同的操作系统上安装和运行，包括Windows。
6. 预训练模型：项目提供了一些已经训练好的模型，你可以直接下载使用。
项目地址：
https://github.com/RVC-Boss/GPT-SoVITS
本文地址：https://www.163264.com/6207