GPT-SoVITS 是一款功能强大的开源语音转换与文本转语音（TTS）工具，结合了 GPT 模型的语义理解与 SoVITS（SoftVC VITS）声码器技术，仅需极少量音频样本即可实现高质量语音克隆，是目前开源社区最热门的语音克隆方案之一（GitHub 60k+ Star）。

核心特性

• 零样本语音克隆：输入 5 秒参考音频即可进行即时文本转语音合成
• 少样本微调克隆：仅需约 1 分钟训练数据即可微调，显著提升音色相似度与自然度
• 跨语言合成：支持中文、英文、日文、韩文、粤语，且可用与训练集不同语言进行推理
• 一站式 WebUI：内置人声伴奏分离（UVR5）、自动训练集切分、多语种 ASR 标注、文本打标等工具，新手也能轻松制作数据集并训练
• 多种版本可选：V2/V3/V4/V2Pro 等版本不断优化音色相似度、稳定性与音质

使用流程

1. 准备 1 分钟左右的参考音频（质量越好克隆效果越佳）
2. 通过 WebUI 完成音频切分、去噪、ASR 标注
3. 微调训练 GPT-SoVITS 模型（少样本模式）
4. 输入文本即可用克隆音色进行合成

适用场景

个性化语音助手、有声内容创作、游戏/动漫角色配音、视频二创配音、直播娱乐互动等。

更多信息可参考：https://github.com/RVC-Boss/GPT-SoVITS