2025最新GPT-SoVITS教程.2025.12.03

牛逼，终于更新了[打call]

♥ 333 ↩ 10

00:00 – 00:32 环境准备 00:34 – 00:59 下载整合包 01:06 – 01:51 解压整合包  01:51 – 02:51 启动Web UI 02:54 – 05:12 人声分离 05:22 – 06:53 语音切分 07:11 – 08:49 语音识别（文本标注）08:53 – 09:25 训练集格式化  09:28 – 10:00 微调训练 10:03 – 10:39 GPT训练 10:41 – 11:22 推理设置 11:28 – 结束 推理合成

♥ 103 ↩ 15

跟着全流程做完了，随便做一下笔记，很多是个人理解，有错请指正： 1、源语音数据和我一样比较多的（几千句台词or more）建议先考虑一下合并或筛选。 文件多不会产生问题，但是比较麻烦。我是做到文本校准这一步才发现工作量太大了。 所以手动筛去了5/6保留1/6（630条），全部人工校准，总音频时长50分钟左右，校准用了2.5小时。时间不充裕可以根据工作时长/4=数据时长确定保留多少数据，或者直接不做人工标注（一旦做人工标注，除非数据非常少，不然时间就会占50%以上，是绝对大头）我没有尝试不做标注所以没法对比效果 但是个人经验是即使是游戏提取的原声，也会根据角色特质出现很多不可用音频（较长的换气声，笑声，语气词）已经手动筛除了大部分以后，模型反馈也会存在一定情况的不足。

♥ 73 ↩ 14

把变声器关了 大家都是自己人 你的萝莉音我们喜欢 爱听

♥ 33

GPT-sovits 其实很不错，跟那些国内的垃圾软件还收费的跟本就不是一根档次，但玩这个最大的一个难点就是高质量的音源实在是太难找了，人家ai绘图啥的还有些生态网站分享个模型之类的，语音这玩意儿纯靠自己找

♥ 29

非常感谢，我成功做出了复制声音，听到的那一刻感觉能够将脑海中许许多多想法付诸实践就感到十分开心，万分up主，感谢你的互联网分享精神，感谢你清清楚楚的教程

♥ 23 ↩ 4

试过v3 v4 v2pro+还是v2好[doge]

♥ 12 ↩ 5

5060，8g，cpu 很烂可以跑吗。我之前笔记本是 1060 的，跑完之后整个电脑都变卡了，而且只是推理不是训练，现在不敢冒然行动了[笑哭]

♥ 9 ↩ 29

按照版本放置模型文件了，但选择框就是不显示，刷新也没用 求大佬解答

♥ 8 ↩ 2

请教各位V4的模型V2pro plus能用吗？可以将中文的模型用于英文的合成吗？

♥ 8 ↩ 4

up你好，SoVITS模型训练已完成。但是在1-c推理中的SoVITS模型列表找不到训练模型，只有底模，这种情况怎么处理？

♥ 7 ↩ 9

可能需要注意的是，如果突然发现GPU不动，推理特别慢，可能是因为关闭了win11的GPU加速，确实遇到了占用不满的bug，但是关掉后我的GPU直接摆烂了，我还问AI改了半天启动参数（）

♥ 7

阁下还记得自己在2023年的那句评论吗

♥ 7 ↩ 1

太好了，昨晚做了一晚上的v4，生成出来的很不理想[笑哭]，今晚试试这个

♥ 6 ↩ 5

怎么使用不同的音频反复训练现有的模型呢，想增加点细节[鸭科夫_干嘛鸭]

♥ 5 ↩ 2

到最后一步了

♥ 4 ↩ 6

先感谢大佬的辛勤付出。礼貌提问：我是本地部署的，只使用社区大佬跑好的模型。频繁使用的话，产生的缓存文件，如果不会自动清除，请问路径在哪里呀？[鸣潮·共鸣与群星_加载中] 谢谢朋友们

♥ 4 ↩ 2

靠北一直以为v4才是最新的[笑哭]

♥ 4

请问一下，如果要让我的模型在说话的时候有着特殊的情绪或语气“例如愤怒，悲伤”，需要怎么操作呢？

♥ 4 ↩ 7

SoVITS训练时说页面文件太小，是不是因为内存或者显存不够啊，内存是16gb，显卡是gtx1660s 6gb

♥ 4 ↩ 1