GPT-SoVITS

GPT-SoVITS TTS

A few-shot voice cloning model that replicates a voice — and can even sing — from as little as five seconds of audio.

Rekisteröidy 5 000 merkin raja-arvo

Kääri tekstisi SSML-tunnisteisiin tarkan valvonnan varmistamiseksi:

<speak><prosody rate="slow">Slow speech</prosody></speak>

Merkitse valittu malli ymmärtää – klikkaa pudottaaksesi yhden tekstiisi, missä se tapahtuu:

Tässä mallissa lukee pelkkää tekstiä, joten rivitunnisteet jätetään huomiotta. Jos haluat tag-pohjaisen tunteen, vaihda ilmaisukykyiseen malliin, kuten Orfeus tai Bark.

Määrittele custom-äänet (sana = ääntäminen):

-12 +12
0.5x 2.0x
Vapaa Piperin, VITS:n, MeloTTS:n kanssa
Luomasi ääni näkyy tässä. Valitse malli, kirjoita teksti ja napsauta Luo.
Ääni tuotettu onnistuneesti
0:00
Lataa ääni Lataa.srt Linkki päättyy 24h
Vapaa taso: henkilökohtainen käyttö. Kaupallinen lisenssi $5/mo
Rakasta TTS.aita, kerro ystävillesi!

Tietoja GPT-SoVITS

GPT-SoVITS, created by the developer known as RVC-Boss, combines GPT-style language modeling with SoVITS (Singing Voice Conversion / synthesis) to deliver some of the most accessible voice cloning in open source. With as little as five seconds of reference audio it captures a speaker's timbre and style, and it stands out from most TTS models in handling singing as well as speech. It works across English, Chinese, Japanese, and Korean and supports cross-lingual generation, so a cloned voice can speak a language the reference clip never used. It is widely used by content creators for voice replication, dubbing, and song covers, and reaches high fidelity for a model of its size.

Paras: Voice cloning, singing synthesis, content creator voice replication

Selaa kaikkia GPT-SoVITS äänet

Silmäyksellä

Kehittäjä
RVC-Boss
Lisenssi
MIT
Määrittämistaso
standard
Nopeus
slow
Äänien kloonaus
Kyllä
Kielet
English, Chinese, Japanese, Korean
Maksimimerkit
500

GPT-SoVITS äänet

Default

Chinese
Standardi Neutral

English Default

English
Standardi Neutral

Japanese Default

Japanese
Standardi Neutral

Korean Default

Korean
Standardi Neutral

GPT-SoVITS TTS – FAQ

As little as five seconds. It uses few-shot learning, so a short reference clip is enough to capture a speaker, though a cleaner and slightly longer sample improves similarity.

Yes. Its SoVITS lineage comes from singing voice synthesis, so unlike most TTS models it can generate singing as well as spoken voice, which is why it is popular for song covers.

English, Chinese, Japanese, and Korean, with cross-lingual synthesis — a voice cloned from one language can be made to speak the others.
← Kaikki äänet