GPT-SOVITS

در مورد GPT-SOVITS

GPT-SoVITS combines GPT-style language modeling with SoVITS voice conversion to achieve state-of-the-art few-shot voice cloning. With just 3-10 seconds of reference audio plus a transcript, it produces remarkably natural speech that closely matches the target voice. It excels at cross-lingual synthesis - train on one language and generate in another.

ویژگیهای کلیدی

موارد استفاده

چطور استفاده شود GPT-SOVITS

1. 1

   ایجاد حساب رایگان یا باز کردن حساب آزمایشی

   Sign up for TextToSpeechAI to receive free starter credits, or jump straight into the demo to try GPT-SoVITS with no signup required.

2. 2

   GPT-SoVITS را انتخاب کنید و یک کلیپ مرجع را بارگذاری کنید

   GPT-SoVITS را به عنوان موتور خود انتخاب کنید ، سپس یک کلیپ مرجع ۳-۱۰ ثانیه‌ای از صدایی که می‌خواهید شبیه سازی کنید را بارگذاری کنید. اضافه کردن رونوشت آن کلیپ ، تمیزترین و دقیق‌ترین شبیه سازی را می‌دهد.

3. 3

   وارد کردن متن

   متنی را که می‌خواهید در صدای شبیه‌سازی شده خوانده شود تایپ یا بچسبانید. GPT-SoVITS از چینی، انگلیسی، ژاپنی، کره‌ای و کانتون پشتیبانی می‌کند، از جمله شبیه‌سازی بین زبانی از یک مرجع در زبان دیگر.

4. 4

   تولید صدا

   برای ارسال کار به سرورهای GPU ما روی تولید کلیک کنید. GPT-SoVITS با سرعت متوسط، با کیفیت عالی، سخنرانی شبیه سازی شده را با ۲۵ کرید برای هر ۱۰۰۰ کاراکتر ارائه می‌کند.

5. 5

   دانلود یا استفاده از API

   فایل صوتی‌تان را به عنوان یک فایل GPT-SoVITS دانلود کنید، یا تولید خودکار را از طریق REST API TextToSpeechAI در api.texttospeechai.com برای جریان‌های کاری تولید انجام دهید.

GPT-SOVITS API

تولید گفتار به صورت برنامه‌ریزی شده با استفاده از REST API TextToSpeechAI.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "GPT\u002DSoVITS تولید بالاترین کیفیت شبیه‌سازی صدا از تنها چند ثانیه از صدا.",
    "voice": "en_US-lessac-medium"
  }'

پرسشهای متداول