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
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
- 超逼真对话型文字转语音软件Dia-1.6B免安装一键启动整合包下载
最近更新
阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
阿里千问Qwen3-TTS是一款热门的语音合成及声音克隆软件，我基于当前最新版制作了免安装一键启动整合包，并增加多人对话语音合成功能。 此版本为低配显卡电脑版，软件使用0.6B模型，模型尺寸略小，对电脑显卡配置要求也更小，但是质量不会差太多...
腾讯混元三维世界重建系统WorldMirror 2.0通用3D三维资产重建工具下载
WorldMirror 2.0 是由腾讯混元（Hunyuan）团队开发的下一代通用三维世界重建系统，底层基于 HY-World-2.0 模型。它能够从一组普通照片或一段视频中，自动恢复出场景的三维结构，并生成多种形式的三维资产，包括： 我基...
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
Qwen3-TTS 是由阿里 Qwen 团队开发的新一代语音合成系统，基于自研的 Qwen3-TTS-Tokenizer-12Hz 编解码器和离散多码本 LM 架构，实现了端到端的全信息语音建模。它突破了传统级联架构的信息瓶颈，支持音色克隆...
PasteMD：一键将 Markdown 和网页 AI 对话文本内容粘贴到 Word、WPS 和 Excel
PasteMD：一键将 Markdown 和网页 AI 对话（ChatGPT/DeepSeek等）完美粘贴到 Word、WPS 和 Excel 的效率工具。 在写论文或报告时，从 ChatGPT / DeepSeek 等 AI 网站中复制出...
BiliNote：自动生成B站油管视频笔记，AI视频内容总结工具
在信息爆炸的时代，视频已经成为最重要的知识载体之一。但相比文字，视频的“可检索性”和“复用效率”始终较低。如何快速从长视频中提取重点、形成结构化知识，成为很多学习者和创作者的痛点。 而 BiliNote 正是为解决这一问题而诞生的一款开源 ...
优云智算HappyHorse AI 视频生成API KEY WebUI
大家可能平常刷视频的时候已经发现了，进入2026年AI短剧极其火爆，不管是短视频平台还是拼多多等购物平台，短剧视频里经常能刷到AI漫剧。前几年短剧公司拍真人短剧赚的盆满钵满，进入2026年短剧公司被AI打的毫无还手之力。借助AI的快速发展，...
LTX-2.3 视频生成免安装部署整合包软件下载
LTX-2 是由 Lightricks 开发的首个基于 DiT（扩散变换器）架构的音视频基础模型，能够在一个统一模型中同时生成高质量的视频与同步音频。与以往需要分别处理视频和音频的方案不同，LTX-2 将两者深度融合，实现真正的音画同步生成...
windows电脑剪贴板内容管理工具Ditto下载，快速粘贴预设文字内容回复话术
和大家分享一个windows电脑剪贴板内容管理神器Ditto，软件可以快速将预设文字内容填充到指定位置。 由于每天都要写大量文字，有时候还是重复内容，频繁到其它地方复制粘贴的话比较耗时间，所以找到了这款软件，首先佩服一下软件作者，这个软件维...
PDF转word软件FreeP2W免安装版下载
这软件还是很早的时候一个用户让做的，发现没分享过，现在分享一下。 软件主要功能就是把PDF文档转换为word文档 软件使用很简单，把需要处理的pdf文档复制到input文件夹内，双击启动软件.exe，等待处理完成即可。 注意事项 软件只支持...
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
前几天调试了刚出的omnivoice，本次再分享一个语音合成（TTS）领域的开源天花板——VoxCPM。我基于原版功能增加了多人对话语音合成功能，因为之前分享的时候有用户有多人对话语音合成需求，这次顺便增加了这个功能。 一、 什么是 Vox...
