【本地音色还原工具】GPT-SoVITS文本转音频

GPT-SoVITS是有一款能够克隆你自己音色的文本转音频工具。
项目地址：https://github.com/RVC-Boss/GPT-SoVITS/tree/main
作者提供了多种安装部署方式，非常简单便洁！

本文使用的是windows下面的一键部署。
下面讲解一下工具的具体使用方式。

首先准备一段自己的音频文件，为了保证模型微调的效果，不要过短。
【音频自动切分输入路径，可文件可文件夹】填入音频路径，点击开启语音分割

接下来划到下方【0c-中文批量离线ASR工具】，【输入文件夹路径】填入分割后的文件夹路径（在output/slicer_opt中），点击开启离线批量ASR

完成后点击【0d-语音文本校对标注工具】中的【是否开启打标webui】，在这里可以完成语音识别内容的修正，修正完成后点击【Submit Text】

回到上方菜单栏，点击【1-GPT-SoVITS-TTS】，在【1A-训练集格式化工具】填入【文本标注文件】和【训练集音频文件目录】，点击【一键三连】

依次点击【开启SoVITS训练】和【开启GPT训练】

上方菜单栏点击【1C-推理】，【刷新模型路径】，依次选择训练好的GPT模型和SoVITS模型，点击【是否开启TTS推理WebUI】，稍等一会跳转到新的webui。

接下来，首先上传一段短音频，可以选择前面切片好的音频，然后自己输入该音频对应的文本对照信息，然后就可以在【需要合成的文本】输入我们想要克隆的文本，最后点击【合成语音】，就可以享用了。

后续打算将文本语音互转工具接入到大模型中，再利用heygen的api生成个性化的数字人智能体，实现语音问答。