GPT-SoVITS
RVC-Boss/GPT-SoVITSRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es GPT-SoVITS?
Un taller de clonación de voz y texto a voz, con una página en tu navegador. Le das una muestra de 5 segundos para una copia instantánea de una voz, o alrededor de un minuto de audio para entrenar una mejor, y luego lee tu texto con esa voz, incluso en un idioma en el que la muestra no estaba. La página también te ayuda a preparar el audio de entrenamiento: separar la voz de la música, recortar clips y transcribir lo que se dice. Los usuarios de Windows pueden descargar un paquete listo y hacer doble clic en `go-webui.bat`; de lo contrario, se usa conda, Python y una tarjeta Nvidia, o Docker. Hay una demo gratuita en línea.
GPT-SoVITS es gratis y de código abierto (MIT) y puede reemplazar a ElevenLabs, Respeecher y Murf.
¿Qué tan fácil es instalar GPT-SoVITS?
A · descarga y abre · Web
- Windows B
- macOS D
- Linux D
- Web A
La web es A: el README enlaza una página de demo gratuita donde escribes y escuchas, además de notebooks de Colab para entrenar. Windows es B: descargas el "paquete integrado" (un archivo 7z de Hugging Face), lo descomprimes y haces doble clic en `go-webui.bat`. Linux y Mac son D: creas un entorno conda y ejecutas `bash install.sh --device <CU126|CU128|ROCM|MPS|CPU> --source <HF|HF-Mirror|ModelScope>`, que instala ffmpeg, cmake y un compilador y descarga varios paquetes de modelos; el conjunto completo de funciones asume una tarjeta Nvidia, y las imágenes de Docker necesitan un runtime de Nvidia.
GPT-SoVITS en GitHub
- Estrellas
- 64.720el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- —sin ganancia en la última lectura
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux, Web
- Necesitas instalar
- Python, Docker, Tarjeta NVIDIA, FFmpeg
- Para compilar desde el código
- Python, Docker, Tarjeta NVIDIA, FFmpeg
- Espacio en disco
- 450 MB–1,2 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · Sin precio: código MIT, modelos entrenados publicados abiertamente en Hugging Face y ModelScope, y una demo gratuita en línea en Hugging Face.
- Licencia
- MIT (Permisiva)
- Puede reemplazar
- ElevenLabs, Respeecher, Murf
- Último cambio en GitHub
- 9 nov 2026
Señales de riesgo de GPT-SoVITS (6)
- Atenciónclonación de voz a partir de una muestra corta
README, Features: "Zero-shot TTS: Input a 5-second vocal sample and experience instant text-to-speech conversion" y "Few-shot TTS: Fine-tune the model with just 1 minute of training data". Nada en el README marca el resultado como generado por máquina, y copiar la voz de una persona real sin su permiso está restringido por ley en varios países.
revisión con IA
- Infolos modelos y las imágenes vienen de cuentas personales
install.sh e install.ps1 descargan los paquetes de modelos desde "https://huggingface.co/XXXXRT/GPT-SoVITS-Pretrained/..." (o hf-mirror.com / modelscope.cn), el paquete de Windows viene de "huggingface.co/lj1995/GPT-SoVITS-windows-package", y docker-compose.yaml trae las imágenes "xxxxrt666/gpt-sovits:latest-cu126" y similares desde Docker Hub — todas cuentas personales en lugar de las releases de GitHub.
revisión con IA
- Infola configuración de docker comparte la carpeta y abre puertos
docker-compose.yaml monta toda la carpeta del proyecto (`- .:/workspace/GPT-SoVITS`) y publica cinco puertos (9871-9874 y 9880, la API). El README advierte: "Docker Compose will mount all files in the current directory", y pide `shm_size: 16g` de memoria compartida.
revisión con IA
- Infomuchas versiones con descargas de modelos manuales
El README tiene notas de lanzamiento y descargas de modelos separadas para v2, v3, v4, v2Pro y v5, cada una pidiéndote traer archivos de Hugging Face a `GPT_SoVITS/pretrained_models`; V5 incluso dice "Clone the latest code" desde una rama distinta (`cuda_graph_accel_v5`). La release etiquetada más reciente es 20250606v2pro, mientras que el código sigue cambiando a diario.
revisión con IA
- Infolos resultados en mac son peores
Sección de macOS del README: "The models trained with GPUs on Macs result in significantly lower quality compared to those trained on other devices, so we are temporarily using CPUs instead." La tabla de velocidad medida muestra 0.526 RTF en un procesador M4 frente a 0.014 en una tarjeta gráfica 4090.
revisión con IA
- Infolas guías principales están fuera del repositorio
Los enlaces de la guía de usuario apuntan a yuque.com (en chino) y rentry.co (en inglés) en lugar de a documentación dentro del repositorio, y a los usuarios chinos se los envía a una página de yuque para descargar los modelos y el paquete de Windows.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de GPT-SoVITS
- Qué tan bien suena realmente la voz clonada a partir de 5 segundos o de un minuto de audio
- El espacio real en disco después de descargar los modelos preentrenados, los modelos de reconocimiento de voz y los modelos de separación de voz
- Si el "paquete integrado" para Windows (fechado el 20250228) coincide con el código actual y con las versiones más nuevas
- Si funciona de forma útil sin una tarjeta Nvidia, y qué tan lento es
- Si la demo gratuita en línea sigue disponible
- Qué contienen los paquetes de modelos de terceros y las imágenes de Docker que descarga el instalador