零样本文本到语音(TTS): 输入 5 秒的声音样本,即刻体验文本到语音转换。

少样本 TTS: 仅需 1 分钟的训练数据即可微调模型,提升声音相似度和真实感。

跨语言支持: 支持与训练数据集不同语言的推理,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、中文自动语音识别(ASR)和文本标注,协助初学者创建训练数据集和 GPT/SoVITS 模型。

https://github.com/RVC-Boss/GPT-SoVITS