GPT-SoVITS

GPT-SoVITS-WebUI 是一个强大的少量语音转换和文本到语音 WebUI。它支持零样本 TTS，只需输入 5 秒的声音样本即可进行即时文本到语音转换；同时也支持少量样本 TTS，仅用 1 分钟的训练数据就能提高语音相似度和真实感。跨语言支持英语、日语和中文推理。集成工具包括声音伴奏分离、自动训练集分割、中文 ASR 和文字标注等功能，帮助初学者创建训练数据集和模型。产品还提供了环境准备指南以及预训练模型下载，并有用户指南在内的待办事项列表。