GPT-SoVITS

GPT-SoVITS

开源少样本声音克隆:1 分钟语音训练高相似度 TTS 模型

最后更新 2026 年 11 月 17 日
GPT-SoVITS 截图

介绍

GPT-SoVITS 是一款开源的少样本语音克隆与文本转语音(TTS)项目,在 GitHub 拥有超过 6 万星,是中文社区最流行的声音克隆方案之一。只需约 1 分钟目标人物的干声样本,即可通过微调训练出高相似度的个性化 TTS 模型,也支持零样本(zero-shot)模式用几秒钟音频快速克隆。

核心功能包括:中文、英文、日文、韩文等多语言语音合成;少样本微调(few-shot fine-tuning)实现高保真音色复刻;WebUI 集成训练与推理全流程;支持中英混合朗读与情感控制。项目采用 MIT 协议开源,提供 Windows 整合包与 Docker 部署方式。

适合有本地 GPU(NVIDIA 显卡)的创作者、开发者与虚拟主播运营者,尤其是需要高度定制音色、注重数据隐私、不愿按字符付费的用户。对中文内容的克隆自然度在开源方案中名列前茅,是 B 站 UP 主与二创作者常用的生产力工具。