功能

1. 零样本文本到语音 (TTS): 输入 5 秒的声音样本, 即刻体验文本到语音转换.
2. 少样本 TTS: 仅需 1 分钟的训练数据即可微调模型, 提升声音相似度和真实感.
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、韩语、粤语和中文.
4. WebUI 工具: 集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注, 协助初学者创建训练数据集和 GPT/SoVITS 模型.

查看我们的介绍视频 demo video

预训练模型

若成功运行install.sh可跳过 No.1,2,3

中国地区的用户可以在此处下载这些模型.

1. 从 GPT-SoVITS Models 下载预训练模型, 并将其放置在 GPT_SoVITS/pretrained_models 目录中.
2. 从 G2PWModel.zip(HF)| G2PWModel.zip(ModelScope) 下载模型, 解压并重命名为 G2PWModel, 然后将其放置在 GPT_SoVITS/text 目录中. (仅限中文 TTS)
3. 对于 UVR5 (人声/伴奏分离和混响移除, 额外功能), 从 UVR5 Weights 下载模型, 并将其放置在 tools/uvr5/uvr5_weights 目录中.
   • 如果你在 UVR5 中使用 bs_roformer 或 mel_band_roformer模型, 你可以手动下载模型和相应的配置文件, 并将它们放在 tools/UVR5/UVR5_weights 中.重命名模型文件和配置文件, 确保除后缀外, 模型和配置文件具有相同且对应的名称.此外, 模型和配置文件名必须包含”roformer”, 才能被识别为 roformer 类的模型.
   • 建议在模型名称和配置文件名中直接指定模型类型, 例如mel_mand_roformer、bs_roformer.如果未指定, 将从配置文中比对特征, 以确定它是哪种类型的模型.例如, 模型bs_roformer_ep_368_sdr_12.9628.ckpt 和对应的配置文件bs_roformer_ep_368_sdr_12.9628.yaml 是一对.kim_mel_band_roformer.ckpt 和 kim_mel_band_roformer.yaml 也是一对.
4. 对于中文 ASR (额外功能), 从 Damo ASR Model、Damo VAD Model 和 Damo Punc Model 下载模型, 并将它们放置在 tools/asr/models 目录中.
5. 对于英语或日语 ASR (额外功能), 从 Faster Whisper Large V3 下载模型, 并将其放置在 tools/asr/models 目录中.此外, 其他模型 可能具有类似效果且占用更少的磁盘空间.

用过几次，b站教程对着还是比较简单的。降噪手动打轴后的效果还是可以的(。・∀・)ノ

请遵循国家法律法规，请勿用于违法违规用途！！！

本文件仅作为技术研究讨论留档用途，请勿用于商业或者其他用途，请遵守各软件使用规则！！！

本文章仅作技术研究分享，不提供任何指导。

文件版权归原作者所有，本链接仅提供研究分享。

游戏游戏推荐 —花火轮盘赌PC/安卓（补档）— –奴隶少女希尔薇– –—百货商场物语—– -吉里吉里-

往期资源 –全平台无广告看番神器– —MC光影 –- —PSP 模拟器— —自动签到— –开源下载器ADM– –手机解压器– –最强免费文件搜索工具– -最强 网络 抓包分析 Wireshark-

其他教程 —本地LLM破甲大模型！Gemma-3-4b-it-abliterated 轻量级本地部署LMSTUDIO指南！—