免费开源语音克隆-GPT-SoVITS-WebUI只需 5 秒的声音样本

语音克隆-GPT-SoVITS-WebUI

强大的少样本语音转换与语音合成Web用户界面。

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。

训练用整合包下载：

夸克网盘分享

GSVI推理包 2.4.3

链接：夸克网盘分享

极佳模型分享（使用30小时派蒙数据集，100%正确率标注）：

派蒙：夸克网盘分享

将GPT模型（ckpt后缀）放入GPT_weights文件夹，SoVITS模型（pth后缀）放入SoVITS_weights文件夹，刷新下模型就能选择模型推理了

解压：

请使用7-Zip解压！其他解压工具可能会吞文件，比如360解压、Windows自带的解压、2345好压等很多解压工具都会吞文件！

7-Zip中文版下载：夸克网盘分享

解压后，双击go-webui.bat打开，不要以管理员身份运行！

大致流程：

注意事项：

标注：

每一页修改完都要点一下保存修改（Submit Text），如果没保存就翻页那么会重置文本，在完成退出前要点保存文件（Save File），做任何其他操作前最好先点一下保存修改（Submit Text）。合并音频和分割音频不建议使用，精度非常差，一堆bug。删除音频先要点击要删除的音频右边的yes，再点删除音频（Delete Audio）。删除完后文件夹中的音频不会删除但标注已经删除了，不会加入训练集的。这个SubFix一堆bug，任何操作前都多点两下保存

复制的路径都不能有引号！！！千万不能有引号！

模型名，不要有中文

sovits训练建议batch_size设置为显存的一半以下，高了会爆显存。bs并不是越高越快！

关闭共享显存：

去nvidia官网下载了个Studio版本的驱动

官方高级驱动搜索 | NVIDIA

点击管理3D设置—程序设置—添加—浏览，选择GPT-SoVITS\runtime\python.exe这个文件

将CUDA-系统内存回退政策改为偏好无内存回退。如果你是英文界面，那么就是CUDA-Sysmem Fallback Policy改为Prefer No Sysmem Fallback。改完之后只会在运行这个程序的时候会关闭共享显存，不会影响其他时候使用共享显存。

 GPT-SoVITS-WebUI参考文档：https://github.com/RVC-Boss/GPT-SoVITS/blob/main/docs/cn/README.md

注意事项 · 语雀

GSVI推理包文档：如何安装