RepoPicks Radar

每天约 23:30 UTC 更新

指南

GPT-SoVITS

RVC-Boss/GPT-SoVITSAI 已审核

RepoPicks Radar 检查于

GPT-SoVITS 是什么?

一个语音克隆与文本转语音的工作台,有一个浏览器页面。你给它一个 5 秒的样本即可立即克隆一个声音,或者用大约一分钟的音频训练出更好的效果,之后它就能用这个声音朗读你的文字,甚至可以朗读样本中没有出现过的语言。该页面还能帮你准备训练音频:把人声从音乐中分离、剪辑片段、并写出其中说的内容。Windows 用户可以下载现成的整合包,双击 `go-webui.bat` 即可;其他情况则需要 conda、Python 和一块 Nvidia 显卡,或者使用 Docker。还有一个免费的在线演示。

GPT-SoVITS 免费开源(MIT),可以替代 ElevenLabs、Respeecher和Murf。

GPT-SoVITS 安装有多容易?

A · 下载即用 · Web

  • Windows B
  • macOS D
  • Linux D
  • Web A

网页端是 A:README 链接了一个免费演示页面,你可以在那里输入文字并试听,还有用于训练的 Colab 笔记本。Windows 是 B:下载来自 Hugging Face 的 "整合包"(一个 7z 文件),解压后双击 `go-webui.bat` 即可。Linux 和 Mac 是 D:你需要创建一个 conda 环境,并运行 `bash install.sh --device <CU126|CU128|ROCM|MPS|CPU> --source <HF|HF-Mirror|ModelScope>`,该命令会安装 ffmpeg、cmake 和一个编译器,并下载若干模型包;完整功能默认需要 Nvidia 显卡,Docker 镜像也需要 Nvidia 运行时。

GPT-SoVITS 的 GitHub 数据

星标
64,7202026年11月10日
下载量
—所有发布版本
增长
—上次读取时无增长

星标变化

64,40064,60064,80065,000 11月4日11月6日11月8日11月10日 64,40064,60064,80065,000 11月4日11月7日11月10日

事实

可运行于
Windows, macOS, Linux, Web
需要安装
Python, Docker, NVIDIA 显卡, FFmpeg
从源码编译需要
Python, Docker, NVIDIA 显卡, FFmpeg
磁盘空间
450 MB–1.2 GB · 估算
账号或密钥
无
费用
免费 · 免费:代码采用 MIT 许可,训练好的模型在 Hugging Face 和 ModelScope 上公开发布,并提供 Hugging Face 上的免费在线演示。
许可证
MIT (宽松型)
可以替代
ElevenLabs, Respeecher, Murf
GitHub 上的最近改动
2026年11月9日

GPT-SoVITS 的风险信号 (6)

  • 注意仅凭一小段样本即可克隆声音

    README 的 Features 部分写道:"Zero-shot TTS: Input a 5-second vocal sample and experience instant text-to-speech conversion" 以及 "Few-shot TTS: Fine-tune the model with just 1 minute of training data"。README 中没有任何地方标明生成结果是机器制作的,而未经许可复制真人声音在不少国家受到法律限制。

    AI 审核

  • 信息模型和镜像来自个人账户

    install.sh 和 install.ps1 从 "https://huggingface.co/XXXXRT/GPT-SoVITS-Pretrained/..."(或 hf-mirror.com / modelscope.cn)下载模型包,Windows 整合包来自 "huggingface.co/lj1995/GPT-SoVITS-windows-package",docker-compose.yaml 则从 Docker Hub 拉取 "xxxxrt666/gpt-sovits:latest-cu126" 等类似镜像——这些都是个人账户,而不是 GitHub 的 releases。

    AI 审核

  • 信息docker 配置会共享文件夹并开放端口

    docker-compose.yaml 挂载了整个项目文件夹(`- .:/workspace/GPT-SoVITS`),并开放了五个端口(9871-9874 以及作为 API 的 9880)。README 警告说:"Docker Compose will mount all files in the current directory",并要求 `shm_size: 16g` 的共享内存。

    AI 审核

  • 信息版本繁多且需手动下载模型

    README 为 v2、v3、v4、v2Pro 和 v5 分别提供了发布说明和模型下载,每个版本都要求你从 Hugging Face 把文件取到 `GPT_SoVITS/pretrained_models` 中;V5 甚至要求从另一个分支(`cuda_graph_accel_v5`)"Clone the latest code"。最新打标签的 release 是 20250606v2pro,而代码却每天都在变化。

    AI 审核

  • 信息mac 上的效果较差

    README 的 macOS 部分写道:"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." 实测速度表显示,M4 处理器上的 RTF 为 0.526,而 4090 显卡上只有 0.014。

    AI 审核

  • 信息主要指南在仓库之外

    用户指南链接指向 yuque.com(中文)和 rentry.co(英文),而不是仓库内的文档;中国用户会被引导到一个语雀页面去下载模型和 Windows 整合包。

    AI 审核

证据以原始语言显示。

Radar 无法验证的 GPT-SoVITS 相关内容

  • 仅用 5 秒或一分钟音频克隆出的声音实际听起来效果如何
  • 下载预训练模型、语音识别模型和人声分离模型之后,实际占用多少磁盘空间
  • Windows 的 "整合包"(日期为 20250228)是否与当前代码和更新的版本一致
  • 在没有 Nvidia 显卡的情况下是否能有效运行,速度会慢多少
  • 免费在线演示是否会一直保持可用
  • 安装器下载的第三方模型包和 Docker 镜像里面到底是什么内容

类似项目

RepoPicks 应用

即将推出:用 RepoPicks 应用一键安装。

下载之前

在 GitHub 上查看版本页面