GPT-SoVITS 是一个声音克隆和文本到语音转换的开源 Python RAG 框架，具有以下特点和使用方法：
GPT-SoVITS：只需1分钟语音即可训练一个自己的TTS模型。GPT-SoVITS是一个声音克隆和文本到语音转换的开源Python RAG框架。5秒数据就能模仿你，1分钟的声音数据就能训练出一个高质量的TTS模型，完美克隆你的声音！根据演示来看完美适配中文，应该是目前中文支持比较好的模型。界面也易用。主要特点：1、零样本TTS：输入5秒的声音样本即可体验即时的文本到语音转换。2、少量样本训练：只需1分钟的训练数据即可微调模型，提高声音相似度和真实感。模仿出来的声音会更加接近原声，听起来更自然。跨语言支持：支持与训练数据集不同语言的推理，目前支持英语、日语和中文。3、易于使用的界面：集成了声音伴奏分离、自动训练集分割、中文语音识别和文本标签等工具，帮助初学者更容易地创建训练数据集和GPT/SoVITS模型。4、适用于不同操作系统：项目可以在不同的操作系统上安装和运行，包括Windows。5、预训练模型：项目提供了一些已经训练好的模型，你可以直接下载使用。GitHub：[https://github.com/RVC-Boss/GPT-SoVITS](https://t.co/BpHX4SlsO3)[…](https://t.co/BpHX4SlsO3)视频教程：[https://bilibili.com/video/BV12g4y1m7Uw/](https://t.co/Uo7WtSSUGO)[…](https://t.co/Uo7WtSSUGO)[[twi]@小互(@_twi(1).mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/RymsbKdweody4Cxwtsqc7Yuenxd?allow_redirect=1)使用：
先剪出音频，使用https://elevenlabs.io/speech-synthesis或使用GPT-sovits[GPT-SoVITS实现声音克隆](https://waytoagi.feishu.cn/wiki/SVyUwotn7itV1wkawZCc7FEEnGg)克隆声音，做出文案的音频。[heading2]第二步[content]使用wav2lip整合包，导入视频和音频，对口型得到视频。基础wav2lip+高清修复整合包下载地址https://github.com/Rudrabha/Wav2Lip这就是目前的本地跑数字人的方案，效果都差不多，都是用的wav2lip产品https://synclabs.so/
在GPT-SoVITS里，一种方式是多抽，但是没有方法的多抽，无异于海底捞针，越抽越绝望。这里意外发现GPT-SoVITS的一种调整语气和语调的方式，就是换参考音频：比如这句话，期望表现出愤怒?的情绪：“你凭什么，随便检查我的手机？”以下是分别参考了两条不同语音带来的结果。参考音频：第一条亢奋，第二条比较平静[其他无恶不作的不良人，我操，客为了哈哈！.wav](https://bytedance.feishu.cn/space/api/box/stream/download/all/Fb6qbvLDEoEHl1xsiFlcmICgnPo?allow_redirect=1)[你知道尔威香水多少钱吗？尔威香水两千多一瓶。.wav](https://bytedance.feishu.cn/space/api/box/stream/download/all/Vd2DbKRlIo3HnmxK8xxciWgmnqe?allow_redirect=1)对应的生成结果：生成效果，第一条更接近愤怒?的情绪。[你凭什么,随便检查我的手机(3).wav](https://bytedance.feishu.cn/space/api/box/stream/download/all/E8LKbphD4oWX25xa3ZLcSbKPn1f?allow_redirect=1)[你凭什么,随便检查我的手机.wav](https://bytedance.feishu.cn/space/api/box/stream/download/all/DEXzb6bfUoyP06xDnZUc6hJ1nTh?allow_redirect=1)