GPT-SoVITS：录 1 分钟声音，AI 就能用你的嗓音读任何文字

它是什么

简单说，GPT-SoVITS 就是一个「声音复印机」。你只需要录一段自己说话的声音（最少 1 分钟就够了），它就能学会你的音色、语气、说话习惯，然后用「你的声音」去朗读任何你给它的文字。

这个项目在 GitHub（一个全球程序员分享代码的网站）上有 5.9 万颗星，是目前最火的开源（免费、代码公开）语音克隆工具之一。它把两个厉害的 AI 技术——GPT（擅长理解文字）和 SoVITS（擅长模仿声音）——结合在了一起，所以叫 GPT-SoVITS。

解决什么问题

你有没有遇到过这些烦恼？

• 做短视频要配音，但自己普通话不标准、声音不好听
• 想给小说做有声书，但请配音演员太贵（一分钟好几十块）
• 想做多语言内容，但不会日语、韩语
• 想给游戏角色配各种声音，但自己变不出那么多嗓子

GPT-SoVITS 就是来解决这些问题的。它支持中文、英文、日语、韩语、粤语五种语言，你可以克隆自己的声音，也可以克隆别人的声音（注意要拿到授权哦），甚至能创造出全新的角色声音。

长什么样

打开 GPT-SoVITS 后，你会看到一个网页界面（它会在你电脑的浏览器里运行，地址通常是 http://localhost:9874）。界面主要分几个区域：

• 顶部标签页：切换不同功能，比如「0-前置数据集获取工具」（处理你的录音）、「1-GPT-SOVITS-TTS」（合成声音）
• 左侧：上传参考音频（你录的那 1 分钟）和填写参考文字
• 中间：输入要让 AI 朗读的文字
• 右侧/底部：选择语言、调整语速，点击「合成」按钮

界面是中文的，按钮也都标得很清楚，不用怕看不懂。

怎么安装

安装稍微有点技术含量，但跟着步骤走就行。你需要一台 Windows 电脑（建议有 NVIDIA 显卡，没有也能跑，只是慢一点）。

1. 下载整合包：去项目页面找到「Windows 整合包」下载链接（作者贴心地打包好了一切），下载后解压到一个没有中文、没有空格的文件夹，比如 D:\GPT-SoVITS
2. 双击启动：进入解压后的文件夹，找到 go-webui.bat 这个文件，双击它
3. 等待启动：会弹出一个黑色命令行窗口（别关它），等它显示「Running on local URL」就成功了
4. 打开界面：浏览器会自动打开，或者你手动访问 http://localhost:9874

如果你会用命令行（就是那个黑窗口），也可以用 Python（一种编程语言）方式安装：先 git clone https://github.com/RVC-Boss/GPT-SoVITS.git 下载代码，再 pip install -r requirements.txt 安装依赖，最后 python webui.py 启动。但对新手来说，强烈建议直接用整合包，省事 10 倍。

怎么用

来，咱们走一遍完整流程，目标是「用我的声音读一段话」。

1. 准备录音：用手机或电脑录一段你朗读的文字，1-5 分钟最佳，环境要安静。比如你录一段读新闻的声音，保存为 my_voice.wav
2. 上传参考音频：在「1-GPT-SOVITS-TTS」标签页，把 my_voice.wav 拖进「参考音频」框
3. 填写参考文本：在「参考文本」框里，一字不差地输入你录音里说的话（这一步是告诉 AI 这段声音对应什么文字）
4. 选择语言：参考音频选「中文」，要合成的文字也选「中文」
5. 输入目标文本：在「需要合成的文本」框里，输入你想让 AI 读的内容，比如「大家好，欢迎观看本期视频」
6. 点击合成：点「合成」按钮，等几秒到几十秒，下方会出现音频播放器，点播放就能听到「你的声音」在说这段话了
7. 下载音频：满意的话，右键播放器选「另存为」就能保存成音频文件

小技巧：参考音频的情绪会延续到合成结果。如果你录音时很开心，合成出来的声音也会很欢快。

需要 AI 模型吗？

需要的。GPT-SoVITS 本身就是一个 AI 模型，整合包里已经自带了预训练模型（可以理解为「已经学会说话的 AI 大脑」），下载好就能直接用，不需要你额外去申请什么 API Key（一串用来调用 AI 服务的密码）。

但如果你想克隆一个全新的声音（不是用现成的），就需要先用你的录音「训练」一下模型，这个过程会调用本地的 AI 算力。如果你想了解更多 AI 模型的选择，或者想搭配其他 AI 工具一起用，可以去模型导航挑一个适合你的 AI 助手 →

费用

完全免费。GPT-SoVITS 是开源项目，所有功能都不收钱，也没有使用次数限制。你唯一的「成本」就是一台性能还行的电脑（建议 8GB 以上内存，有独立显卡更好）。商用也是允许的，但要遵守项目协议，并且克隆别人声音必须获得本人授权。

适合谁

• 短视频创作者：批量生成配音，不用每次都自己录音
• 有声书/广播剧爱好者：一个人就能配出多个角色
• 多语言内容创作者：用同一个声音说五种语言
• 游戏/动画开发者：低成本制作角色语音
• 想保存亲人声音的普通人：把家人的声音「留」下来读故事

项目地址

GitHub 地址：https://github.com/RVC-Boss/GPT-SoVITS

项目页面有详细的安装文档、整合包下载链接和常见问题解答，遇到问题可以先去那里翻翻。5.9 万星的社区非常活跃，更新也很勤快。