音色AI克隆GPT-SoVITS-v2-240821

TTS（Text-To-Speech）这是一种文字转语音的语音合成。类似的还有SVC（歌声转换）、SVS（歌声合成）等。目前GPT-SoVITS只有TTS功能，也就是不能唱歌。

GPT-SoVITS-V1实现了：

由参考音频的情感、音色、语速控制合成音频的情感、音色、语速

可以少量语音微调训练，也可不训练直接推理

可以跨语种生成，即参考音频（训练集）和推理文本的语种为不同语种

GPT-SoVITS-V2新增特点：

对低音质参考音频合成出来音质更好

底模训练集增加到5k小时，zero shot性能更好音色更像，所需数据集更少

增加韩粤两种语言，中日英韩粤5个语种均可跨语种合成

更好的文本前端：持续迭代更新。V2中英文加入多音字优化。

教程：https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e