按住下方图标，点击小程序

免费领取AI学习资料、精选提示词

咱们用传统的文字转语音工具出来的声音又干又机械，听着跟念课文似的，完全没有感情。

而请真人配音呢，价格贵得离谱，一句话几十块，一段视频下来成本高到让人心疼。

今天介绍一个曾拿过Github每日最佳，超59000星的开源TTS利器GPT-SoVITS。

这个模型最强的一点就是5秒钟克隆你的语音，只需要1分钟语音素材就能精调，对于咱们没有大量语音数据的普通用户来说太方便了。

开源地址：https://github.com/RVC-Boss/GPT-SoVITS

然后说下GPT-SoVITS的主要特色功能。第一个不得不提的功能就是0样本语音合成。你只需要提供大概五秒钟的人声样本，这个工具就能立刻开始把文字转成语音。

你在网上听到一段特别好听的声音，截取五秒钟丢进去，输入你想说的文字，马上就能得到一段用那个声音朗读的语音。

这个功能特别适合那种临时需要某个人声音的场景，比如你想给某个梗视频配个音；

或者想试试某个名人念一段搞笑台词的效果，几分钟就能搞定，完全不需要事先准备什么训练数据。

案例展示

但五秒钟的样本毕竟有限，如果你想要更逼真、更像本人的效果，那就得用到少样本语音克隆功能了。

一分钟的录音其实很好准备，随便找个人念一段文字录下来就行。这个功能对于有更高要求的创作者来说很友好。

比如你想做一个固定的虚拟主播形象，或者想给你的频道设计一个专属的旁白声音，训练一次以后就能反复用，效果还特别稳定。

还有一个狠强大的功能是跨语言推理。什么意思呢，就是你拿中文语音训练出来的模型，可以直接让AI用日语、英语、韩语甚至粤语来朗读文字。

 这在以前是不可想象的，因为传统方法通常是每种语言都要单独训练一个模型，费时费力。现在你只需要一个模型，就能实现多语言输出，对于做跨国内容的朋友来说，这个功能会很爽。

除了核心的语音合成功能，这个项目还集成了一堆实用的小工具。比如人声伴奏分离，能把歌曲里的人声和背景音乐拆开；

自动训练集切片，能帮你把长录音自动切成适合训练的小段；还有中文语音识别和文本标注功能，能帮你快速整理训练数据。

这些工具对于新手来说特别友好，因为做语音克隆最难的一步其实不是训练模型，而是准备数据，这些工具把这个门槛也给你降低了。

除了基础的语音克隆之外，我觉得把这个工具和虚拟主播结合起来，实现了文字实时转语音的功能。

主播只需要打字，虚拟形象就能用训练好的声音实时说话，这对于不方便出声直播的场景特别实用。或者直接用来做有声小说，也挺有意思的。

说实话，以前这种级别的语音克隆，多数都是大公司把持着不开放，或者商用价格高得离谱。

现在有了这个项目，普通人也能玩转语音合成，不管你是做内容创作、做游戏开发，还是纯粹出于好奇想试试，都值得一试。

企业、高校及渠道合作

请联系微信：FYLlaoshi