GPT-SoVITS
RVC-Boss/GPT-SoVITSRevisado por IA
Verificado pelo RepoPicks Radar em
O que é GPT-SoVITS?
Um workshop de clonagem de voz e texto para fala, com uma página no seu navegador. Você dá uma amostra de 5 segundos para uma cópia instantânea de uma voz, ou cerca de um minuto de áudio para treinar uma melhor, e ela então lê seu texto com essa voz, inclusive em um idioma que não estava na amostra. A página também ajuda a preparar o áudio de treinamento: separando voz da música, cortando clipes e transcrevendo o que é dito. Usuários de Windows podem baixar um pacote pronto e dar duplo clique em `go-webui.bat`; do contrário, é conda, Python e uma placa Nvidia, ou Docker. Há uma demo gratuita on-line.
GPT-SoVITS é grátis e de código aberto (MIT) e pode substituir ElevenLabs, Respeecher e Murf.
Quão fácil é instalar GPT-SoVITS?
A · baixe e abra · Web
- Windows B
- macOS D
- Linux D
- Web A
A web é A: o README linka uma página de demo gratuita em que você digita e escuta, além de notebooks do Colab para treinar. Windows é B: você baixa o "pacote integrado" (um arquivo 7z do Hugging Face), descompacta e dá duplo clique em `go-webui.bat`. Linux e Mac são D: você cria um ambiente conda e executa `bash install.sh --device <CU126|CU128|ROCM|MPS|CPU> --source <HF|HF-Mirror|ModelScope>`, que instala ffmpeg, cmake e um compilador e baixa vários pacotes de modelos; o conjunto completo de recursos presume uma placa Nvidia, e as imagens Docker precisam de um runtime Nvidia.
GPT-SoVITS no GitHub
- Estrelas
- 64.720em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- —sem ganho na última leitura
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, macOS, Linux, Web
- Você precisa instalar
- Python, Docker, Placa NVIDIA, FFmpeg
- Para compilar a partir do código
- Python, Docker, Placa NVIDIA, FFmpeg
- Espaço em disco
- 450 MB–1,2 GB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis · Sem preço: código MIT, modelos treinados publicados abertamente no Hugging Face e no ModelScope, e uma demo gratuita on-line no Hugging Face.
- Licença
- MIT (Permissiva)
- Pode substituir
- ElevenLabs, Respeecher, Murf
- Última mudança no GitHub
- 9 de nov. de 2026
Sinais de risco de GPT-SoVITS (6)
- Atençãoclonagem de voz a partir de uma amostra curta
README, Features: "Zero-shot TTS: Input a 5-second vocal sample and experience instant text-to-speech conversion" e "Few-shot TTS: Fine-tune the model with just 1 minute of training data". Nada no README marca o resultado como feito por máquina, e copiar a voz de uma pessoa real sem permissão é restringido por lei em vários países.
revisão por IA
- Infoos modelos e as imagens vêm de contas pessoais
install.sh e install.ps1 baixam os pacotes de modelos de "https://huggingface.co/XXXXRT/GPT-SoVITS-Pretrained/..." (ou hf-mirror.com / modelscope.cn), o pacote do Windows vem de "huggingface.co/lj1995/GPT-SoVITS-windows-package", e o docker-compose.yaml traz as imagens "xxxxrt666/gpt-sovits:latest-cu126" e semelhantes do Docker Hub — todas contas pessoais, em vez das releases do GitHub.
revisão por IA
- Infoa configuração do docker compartilha a pasta e abre portas
O docker-compose.yaml monta a pasta inteira do projeto (`- .:/workspace/GPT-SoVITS`) e publica cinco portas (9871-9874 e 9880, a API). O README avisa: "Docker Compose will mount all files in the current directory", e pede `shm_size: 16g` de memória compartilhada.
revisão por IA
- Infomuitas versões com downloads manuais de modelos
O README tem notas de lançamento e downloads de modelos separados para v2, v3, v4, v2Pro e v5, cada um pedindo para você buscar arquivos do Hugging Face em `GPT_SoVITS/pretrained_models`; a V5 ainda diz "Clone the latest code" de um branch diferente (`cuda_graph_accel_v5`). A release com a tag mais recente é 20250606v2pro, enquanto o código continua mudando diariamente.
revisão por IA
- Infoos resultados no mac são piores
Seção de macOS do 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." A tabela de velocidade medida mostra 0.526 RTF em um processador M4 contra 0.014 em uma placa de vídeo 4090.
revisão por IA
- Infoos guias principais ficam fora do repositório
Os links do guia do usuário apontam para yuque.com (em chinês) e rentry.co (em inglês) em vez de para documentação dentro do repositório, e usuários chineses são enviados para uma página do yuque para baixar os modelos e o pacote de Windows.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em GPT-SoVITS
- Quão boa realmente é a voz clonada a partir de 5 segundos ou de um minuto de áudio
- O espaço real em disco depois de baixar os modelos pré-treinados, os modelos de reconhecimento de voz e os modelos de separação de voz
- Se o "pacote integrado" do Windows (datado de 20250228) corresponde ao código atual e às versões mais novas
- Se funciona de forma útil sem uma placa Nvidia, e o quanto fica lento
- Se a demo gratuita on-line continua disponível
- O que há dentro dos pacotes de modelos de terceiros e das imagens Docker que o instalador baixa