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
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