GPT-SoVITS نووسراو بۆ بیستراو
A few-shot voice cloning model that replicates a voice — and can even sing — from as little as five seconds of audio.
نوسراوەکەت بگۆڕە بۆ تگەکانی SSML بۆ کۆنتڕۆڵی ڕاستەقینە:
<speak><prosody rate="slow">Slow speech</prosody></speak>
تگەکان کە مۆدێلی هەڵبژێردراو تێیدەگات - بکەرەوە بۆ ئەوەی یەکێکیان بخەیتە ناو دەقەکەتەوە کە تیایدا ڕوودەدات:
ئەم مۆدێلە نوسراوێکی ئاسایی دەخوێنێتەوە، بۆیە تاگەکانی ناو ڕستە پشتگوێ دەخرێت. بۆ هەستێکی لەسەر بنەمای تاگ، بگەڕێ بۆ مۆدێلێکی دەربڕین وەک ئۆرفیۆس یان بارک.
پێناسەکردنی دەنگی خۆت (وشە = دەنگی):
دەربارەی 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.
باشترین بۆ: Voice cloning, singing synthesis, content creator voice replication
سەردانی هەموویان بکە GPT-SoVITS دەنگیچاوپێکەوتن
- پەرەپێدەر
- RVC-Boss
- مۆڵەتی بەکارھێنەر
- MIT
- یهمهن
- standard
- خێرایی
- slow
- دووبارە دروستکردنی دەنگی
- بەڵێ
- زمان
- English, Chinese, Japanese, Korean
- زۆرترین پیت
- 500