只需要 1 分钟语音数据实现声音克隆

只需要 1 分钟语音数据实现声音克隆

GPT-SoVITS 是一个基于少量语音数据（1 分钟左右）即可训练出高质量 TTS（文本转语音）模型的开源项目，提供少样本语音克隆能力。目前该开源项目已经获得了 33.2k 的 Star！

它允许用户使用 5 秒的语音样本进行零样本 TTS 转换，并支持多语言推理，包括英语、中文、日语、韩语和粤语

🚀 特色功能

① 零样本 TTS：快速输入 5 秒语音，立即进行文本转语音转换。

② 少样本 TTS：通过 1 分钟的训练数据来微调模型，实现更真实的语音转换效果。

③ 跨语言支持：支持多种语言的推理。

🔗 开源地址

支持 Windows、Linux 和 macOS，可通过 Conda 或 Docker 进行安装。

开源地址：

https://github.com/RVC-Boss/GPT-SoVITS

此外，项目提供了图形化 WebUI 工具，支持音频切分、自动训练集生成以及 ASR 转录等辅助工具，便于用户构建和训练自己的语音模型。