几分钟录音即可克隆音色的开源 TTS 与语音转换工具
Star64k
24h 新增+73
7 天新增—
Fork6.7k
Issue911
语言Python
项目介绍
更新于 1 天前
GPT-SoVITS 是一个开源的语音克隆与文字转语音（TTS）工具，可以理解为「低配版 ElevenLabs 的本地替代」：给它 5 秒人声样本就能零样本合成，用 1 分钟录音微调即可获得相似度更高的专属音色，还支持中英日韩粤跨语言朗读。它自带 WebUI，集成了人声伴奏分离、自动切分训练集、中文语音识别和文本标注，等于把从原始音频到可用模型的整条链路都包办了，推理速度在消费级显卡上也足够实时。适合做有声内容、虚拟主播、游戏配音、无障碍朗读的创作者，以及想低成本搭建私有 TTS 服务的 AI 应用开发者；如果你的工作和语音交互、AIGC 内容生产无关，那看看就好，不必上手。
上手成本：中
Star 趋势
话题标签
text-to-speechttsvitsvoice-clonevoice-cloneaivoice-cloning
仓库信息
| License | MIT |
| 创建时间 | 2024-01-14 |
| 最后推送 | 4 天前 |
| 热度分 | 221.0 |