全球开源社区装机量最高的少样本跨语种语音合成框架,5 秒克隆、1 分钟微调即可复刻任何人声。
开源社区顶流语音克隆项目,仅需 5 秒样本即可零样本试听,搭配 1 分钟微调即可达到极高声音相似度。
GPT-SoVITS 是开源语音技术发展史上的一座丰碑。通过将自回归语言模型与变分自编码声码器深度结合,它彻底解决了以往声音克隆需要几个小时录音素材的痛点。只需录制 5 秒音频即可实现基础零样本音色模仿,而如果提供 1 分钟高质量人声素材进行微调,合成出的语音无论在声线特质、鼻音共鸣还是细微语气上都达到难辨真伪的水平,在二次元配音、VTuber 虚拟主播与有声书制作中风靡全球。