GPT-SoVITS：零样本语音合成AI

GPT-SoVITS 是一种语音合成模型，于 2024 年 2 月 18 日发布。它支持使用参考音频进行零样本语音合成，并且可以进行微调以提高性能。

GPT-SoVITS 的功能特性包括：

• Zero-Shot TTS：零样本语音合成，输入 5 秒音频样本即可立即合成语音。
• Few-Shot TTS：小样本语音合成，仅使用 1 分钟的训练数据对模型进行微调，以增强语音相似度和真实感。
• 跨语言支持：支持从训练数据中推断不同语言，目前支持英语、日语和中文。
• WebUI 工具：提供语音和伴奏分离、自动训练集分割、中文 ASR（自动语音识别）和文本标记的集成工具，支持创建训练数据集和构建 GPT/SoVITS 模型。

NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割

2、先前的研究

GPT-SoVITS 基于语音合成和语音转换器模