Medium
速度
Excellent
质量
是 是
克隆
5
语文
关于 GPT- 秒
GPT-SOVITS将GPT式语言模型与SOVITS语音转换相结合,以实现最新技术的微小声音克隆。它只有3-10秒的参考音频和笔录,它制作的演讲非常自然,与目标声音非常吻合。它擅长跨语言合成,在一种语言上进行培训,在另一种语言上进行培训。
关键特征
鲜热声音克隆
3 -10秒的音频 加上一份记录 以达到最佳质量 任何声音都可以打开
跨语言合成
以中文、英文、日文、韩文或广东文进行一种语言的培训,并制作演讲。
最高质量
GPT-SOVITS始终是现有最高质量的语音克隆模型。
开放源码
获得积极社区发展和广泛文件许可的麻省理工学院全面培训。
使用案例
专业语音克隆
跨语言的调和和本地化
音音册制作
字符语音设计
如何使用 GPT- 秒
-
1
创建一个自由账户或打开演示
注册TextToSpeechAI 获得免费启动贷款, 或直接跳入演示, 试GPT- SoVITS, 无需注册 。
-
2
选择 GPT- SoVITS 并上传引用剪贴
选择 GPT- SoVITS 做为您的引擎, 然后上传一个 3 - 10 秒的引用剪辑, 显示您想要克隆的声音。 添加该剪辑的抄本, 给出最干净、 最准确的克隆 。
-
3
输入文本
GPT-SOVITS支持中文、英文、日文、韩文和广东文,包括从其他语文的参考文献中找到跨语言克隆。
-
4
生成音频
点击生成此任务, 将任务发送到我们的 GPU 服务器 。 GPT- SoVITS 以中速提供高质量的克隆语言, 每千个字符有25个分帐。
-
5
下载或使用 API
将完成的 GPT- SoVITS 音频下载为文件, 或通过 api. texttospeechai. com 的 TextToSpeechAI REST API 自动生成, 用于制作工作流程 。
GPT- 秒 API AIP AIPI AIP
以TextToSpeechAIREST API 生成有计划的语言。
curl -X POST "https://api.texttospeechai.com/v1/generate/" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"text": "GPT\u002DSOVITS 制作了最高质量的语音克隆 仅几秒钟的音频。",
"voice": "en_US-lessac-medium"
}'常问问题
GPT-SOVITS是一个最先进的语音克隆系统,它把GPT式语言模型与SOVITS语音转换结合起来,从3至10秒的参考音频中产生出非常自然的语音克隆。
是的,GPT-SOVITS完全获得麻省理工学院颁发的许可,包括代码和模型重量,可以不受限制地自由用于商业应用。
GPT-SOVITS支持中文、英文、日文、韩文和广东文,还支持跨语言的语音克隆,用一种语言提供参考,在另一种语言上制造演讲。
GPT-SVITS始终是质量最高的语音克隆模型之一,其自然性能比大多数替代品更强,特别是如果提供参考音频记录的话。
最理想的结果是提供参考音频短片及其文本誊本,该誊本有助于模型更好地了解参考语音特征,没有誊本,模型仍然有效,但质量可能略低。
GPT- SoVITS 需要 4-8GB VRAM, 取决于输入长度。 推荐一个 6GB 或 6GB 以上的 GPU 最佳性能。 在 TextToSpeechAI 上, 模型运行在我们的 GPU 服务器上, 因此您不需要任何硬件 。
GPT-SVITS提供了一些最现实的克隆,从一个短短的参考短片中忠实复制小音、口音和行曲。 提供参考音推的录音质量甚至更高,使克隆几乎无法与源演讲人区分。
GPT-SOVITS只需要3-10秒的清洁参考音频来克隆声音。 短、清晰的样本加上最小背景噪音可以产生最佳效果,加上匹配的音稿可以进一步提高准确性。
GPT-SOVITS以中速运行,生产出极好、接近中程质量的产出。它与像皮珀或科科罗这样的轻量级模型相比,速度比较小,以换取更自然、更直白的克隆语言。
GPT-SOVITS是一种溢价级模型,每1,000个字符有25个信用额度。 它高于标准等级(10个信用额度),但低于超标准等级模式(如乌龟和SteleftTS2(50个信用额度))。
这两种语言都是允许商业使用的高级语音克隆引擎。 GPT-SOVITS倾向于在原始克隆忠心和跨语言手淫中获胜,而CosyVoice2(Apache 2. 0)则提供了强大的多语种覆盖。 试一下TextToSpeechAI次免费,然后选择最适合目标声音的引擎。
是的。 注册一个免费的TextToSpeechAI 账户以获得一次性启动信用, 或者使用演示来在没有账户的情况下听到 GPT- SoVITS 。 这足以克隆一个声音并在购买信用包前测试质量 。
Technical Specs
- Generation Speed Medium
- Output Quality Excellent
- Voice Cloning Supported
- Languages 5
- GPU VRAM 4-8GB
- Credits/1000 chars 25