综合介绍
GPT-SoVITS是一款开源的语音转换与合成工具，结合了GPT模型和SoVITS变声器技术。该工具支持零样本与少量样本的即时文本转语音，仅需5秒音频样本即可实现声音风格迁移。其特色包括跨语言支持、内置音轨分离等实用功能，让初学者也能轻松创建个性化语音模型。适用于英语、日语及中文，结合WebUI工具集，从数据预处理到模型训练全程助力。不论是AI新手还是专业人士，都能在此体验到语音技术的魅力。
功能列表
- 零样本TTS：输入5秒的语音样本，即可立即体验文本转语音转换。
- 少样本TTS：使用仅1分钟的训练数据微调模型，提高声音相似度与逼真感。
- 跨语言支持：目前支持不同于训练集的语言推断，包括英语、日语、韩语、粤语和普通话。
- WebUI工具：集成了语音伴奏分离、自动训练集分割、中文ASR及文本标注等功能，帮助初学者创建训练数据和GPT/SoVITS模型。
使用帮助
安装流程
Windows用户
- 下载集成包。
- 双击
go-webui.bat启动GPT-SoVITS-WebUI。 - 按照界面提示进行操作。
Linux用户
- 创建虚拟环境：
conda create -n GPTSoVits python=3.9 - 激活虚拟环境：
conda activate GPTSoVits - 安装依赖：
bash install.sh
macOS用户
- 安装Xcode命令行工具：
xcode-select --install - 安装FFmpeg：
brew install ffmpeg - 创建虚拟环境并安装依赖：
conda create -n GPTSoVits python=3.9 conda activate GPTSoVits pip install -r requirements.txt
使用流程
- 数据准备：准备至少5秒的语音样本，上传到WebUI界面。
- 模型训练：选择零样本或少样本模式，上传相应的训练数据。
- 语音转换：输入文本内容，选择目标语音样本，点击转换按钮。
- 结果导出：转换完成后，可以下载生成的音频文件。
功能操作详解
- 零样本TTS：在WebUI界面上传5秒的语音样本，输入文本内容，点击转换按钮，即可生成对应的语音文件。
- 少样本TTS：上传至少1分钟的训练数据，进行模型微调，提高生成语音的相似度和逼真感。
- 跨语言支持：选择不同语言的文本内容进行输入，系统会自动进行语言转换和语音生成。
- WebUI工具：使用内置的语音伴奏分离、自动训练集分割、中文ASR及文本标注等功能，简化数据处理和模型训练过程。
