GPT-SoVITS 是一个开源项目,它使用大约一分钟的语音数据便可以训练出一个优秀的TTS模型。
项目的核心技术是 Zero-shot TTS 和 Few-shot TTS。
Zero-shot TTS 可以让用户输入5秒钟的语音样本并立即体验转换后的语音,而 Few-shot TTS 则可以通过使用仅一分钟的训练数据进行模型微调,从而提高语音相似度和真实性。
该项目支持多语言推理,包括但不限于英语,日语和中文。此外,项目还提供了一些集成工具,包括声音伴奏分离,自动训练集分割,中文ASR和文本标签,帮助初学者创建训练数据集和 GPT/SoVITS 模型。
具体功能
Zero-shot TTS:用户只需输入5秒钟的语音样本,就可以立即体验文本到语音的转换。
Few-shot TTS:使用只有一分钟的训练数据微调模型,以提高语音的相似度和真实感。
跨语言支持:可以在与训练数据集不同的语言中进行推理,目前支持英语,日语和中文。
WebUI 工具:集成工具包括声音伴奏分离,自动训练集分割,中文ASR和文本标签,帮助初学者创建训练数据集和GPT/SoVITS模型。
conda create -n GPTSoVits python=3.9
conda activate GPTSoVits
bash install.sh
GPT-SoVITS是一个开源项目,利用Zero-shot和Few-shot TTS技术,仅需少量语音数据即可训练高质量TTS模型。支持英语、日语、中文等多种语言,提供WebUI工具协助数据准备。本文档详细介绍了如何部署服务器并进行远程访问。
订阅专栏 解锁全文
1294

被折叠的 条评论
为什么被折叠?



