今天和大家分享一个非常热门的TTS文字转语音软件GPT-SoVITS，这个软件不光可以实现语音合成，而且还可以声音克隆，仅使用1分钟音频数据样品即可克隆，功能非常强大
2025-06-22 更新v2ProPlus版
GPT-SoVITS软件介绍及版本特点：
- 零样本 TTS：输入 5 秒的声音样本并体验即时文本到语音的转换。
- 少量样本 TTS：仅使用 1 分钟的训练数据对模型进行微调，以提高语音相似度和真实感。
- 跨语言支持：使用不同于训练数据集的语言进行推理，目前支持英语、日语、韩语、粤语和中文。
- WebUI 工具：集成工具包括语音伴奏分离、自动训练集分割、中文 ASR 和文本标注，帮助初学者创建训练数据集和 GPT/SoVITS 模型。
GPT-SoVITS-V1实现了：
由参考音频的情感、音色、语速控制合成音频的情感、音色、语速
可以少量语音微调训练，也可不训练直接推理
可以跨语种生成，即参考音频（训练集）和推理文本的语种为不同语种
GPT-SoVITS-V2新增特点：
对低音质参考音频合成出来音质更好
底膜训练集增加到5k小时，zero shot性能更好音色更像，所需数据集更少
增加韩粤两种语言，中日英韩粤5个语种均可跨语种合成
更好的文本前端：持续迭代更新。V2中英文加入多音字优化。
V3版
新功能：
- 音色相似度更高，需要更少的训练数据就能逼近目标说话人（直接使用基础模型，不进行微调，音色相似度就有显著提升）。
- GPT模型更加稳定，重复和遗漏更少，更容易生成情感表达更丰富的语音。
V4版
新功能：
- 版本 4 修复了版本 3 中因非整数倍上采样而产生的金属音损问题，并原生输出 48k 音频，避免了声音低沉（而版本 3 仅原生输出 24k 音频）。作者认为版本 4 可以直接替代版本 3，但仍需进一步测试
V2Pro
新功能：
- VRAM 使用率比 v2 略高，性能超越 v4，但硬件成本和速度与 v2 相同。
2. v1/v2 和 v2Pro 系列拥有相同的特性，而 v3/v4 也具有类似的特性。对于音质一般的训练集，v1/v2/v2Pro 可以提供不错的效果，但 v3/v4 则不然。此外，v3/v4 的合成音调和时值更偏向参考音频，而非整体训练集。
GPT-SoVITS整合包使用说明
首先上传3-10秒的参考音频。
然后在参考音频的文本里输入音频样本的文字内容，不输入音频文本的话，效果会差些，尽量输入。
然后输入需要合成的文本，点击合成语音按钮。
其它参数可自行测试效果
视频教程及效果演示：https://nuowa.net/2017
注意事项
使用前先更新英伟达显卡驱动到最新版本。
支持英伟达50系列显卡
建议英伟达显卡显存不低于4G
软件运行路径中不要有非英文字符和空格，待使用音频素材同样注意
TTS文字转语音合成及声音克隆软件GPT-SoVITS整合包下载链接：
https://pan.quark.cn/s/3d4628397997
GPT-SoVITS本地电脑安装部署教程
相关推荐
多人对话声音克隆语音合成工具Chatterbox TTS免安装版，AI实时文字转语音- 阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
- 阿里Qwen3-TTS高质量声音克隆语音合成系统，AI视频配音多人对话生成工具
- 多人对话有声书制作软件VoxCPM Windows版整合包，高质量声音克隆语音合成工具
- 【免安装/解压即用】支持600+语言的神级TTS！OmniVoice 零样本语音克隆一键整合包发布
- VibeVoice：富有表现力的长篇多人对话语音合成工具整合包下载
- 带声音克隆功能的对话型文字转语音软件higgs-audio免安装一键启动整合包下载
- 抖音出品高质量声音克隆文字转语音合成软件MegaTTS3整合包下载
最近更新
Claude 再放大招，Sonnet 5 来了
一觉醒来Anthropic又放大招了，Claude Sonnet 5来了。 不得不说国外大语言模型更新的是真快的，各家LLM版本更新迭代频率都很高，Claude 刚发布Opus 4.8 不久，这又发布了Sonnet 5.Anthropic ...
AutoVidDub支持分角色配音的全自动视频翻译配音加字幕工具
支持分角色配音的全自动流水线，一键将外语视频转为带母语配音和双语字幕的目标语言视频。 一、软件简介 AutoVidDub 是一套运行在本地 GPU 上的全自动视频翻译配音工具。你只需提供一个视频文件，它就能自动完成以下全部工序： 二、核心功...
极速轻便声音克隆语音合成软件MOSS-TTS-Nano整合包，CPU可流畅运行
一、项目概述 MOSS-TTS-Nano 是由 MOSI.AI 与 OpenMOSS 团队 联合开发的开源多语言小模型语音合成系统。模型参数量仅 0.1B，专为实时语音生成场景设计，无需 GPU 即可在 CPU 上直接运行，适合本地演示、W...
最强分说话人语音识别工具，支持批量音视频识别转字幕，字幕翻译内容总结
本软件是一款基于 Qwen3-ASR-1.7B 大模型的本地音视频语音识别工具，配备说话人分离功能，可在个人电脑上实现： 整个流程通过简洁的 Gradio Web 界面 操作，点击按钮即可完成识别与导出。 主要功能特点 1. 单文件识别与批...
最强PR中文视频自动语音识别生成字幕插件，语音识别准确率高支持多国语言
上次和大家分享了PR非常好用的自动剪辑口播视频静音片段插件，如果想要自动生成视频字幕的话，用PR自带的语音识别转字幕工具，效果非常差，语音识别准确率非常低，识别的文本差太多手动修改起来极其麻烦，反而更加浪费时间了。为了提高工作效率，降低人工...
祝贺凡人修仙传2026年新年番开播同时在线人数超64万
今天6月13日凡人修仙传新年番开播，同时在线人数破64万（非最高在线人数，只是我看到的在线人数），作为凡人5年老粉，必须发个帖祝贺一下。 我比较喜欢看动漫，各种类型看了很多，具体不清楚多少，像斗罗斗破之类看了一大半终究是没能看下去，还是雾山...
Premiere Pro静音片段自动剪辑插件——Silence Remover使用教程及下载
对于做口播、Vlog、播客剪辑的朋友来说，最耗时的工作之一就是手动找出视频中的”哑巴”片段——说话间隙、停顿、思考时的”嗯啊”——并逐一删除。今天给大家介绍一款来自 Phantom Edito...
蛙蛙写作-能替你"打工"的AI写作平台，附邀请码：UZekHC
我不是一个容易被工具说服的人。用过 ChatGPT、试过各种”AI写作神器”，大多数要么写出来全是机翻腔，要么根本不懂网文的爆款逻辑。 直到我开始用蛙蛙写作，才发现原来一个工具真的可以懂你想写什么。 🐸 蛙蛙写作是什...
PDFMathTranslate + MinerU 批量PDF全文双语翻译转Markdown工具
本工具是一款基于 PDFMathTranslate 与 MinerU 整合的桌面端 PDF 翻译工具，通过简洁的 Web 界面实现一键式 PDF 全文双语翻译，并可选择将翻译结果导出为 Markdown 格式，方便导入知识库或进行二次编辑。...
Claude居然自称“本人”
今天在和Claude聊网文写作的时候，Claude回复中居然自称本人，这让我有点震惊。 我经常会和AI聊工具功能对比等话题，ChatGPT、Gemini、Claude这些以前我记得从来没有自称过本人的，好像都是本模型，本工具等等，反正从来没...
