RVC-Boss
GPT-SoVITS est une interface WebUI open-source pour le clonage vocal few-shot et la synthèse vocale cross-lingue. Il offre une synthèse zero-shot à partir d'échantillons de 5 secondes ou une fidélité supérieure avec un affinage d'une minute, une inférence GPU ou CPU, des outils pour jeux de données, un étiquetage assisté par ASR, et des déploiements Docker ou Conda.
Vue d’ensemble
Commencez avec un court extrait de référence, nettoyez-le grâce à la séparation intégrée, segmentez automatiquement les enregistrements longs, et créez des transcriptions avec l'ASR multilingue. Ensuite, affinez pendant environ une minute de données, sélectionnez les points de contrôle, et synthétisez une parole naturelle, cross-lingue localement sur GPU ou CPU.
Capacités et Architecture
Idéal pour les chercheurs en parole, praticiens ML, ingénieurs audio, équipes de localisation, VTubers et créateurs, équipes produit prototypant des fonctionnalités vocales, et éducateurs explorant la synthèse vocale moderne. Il bénéficie particulièrement aux équipes disposant de peu de données vocales, de besoins multilingues, ou de contraintes sur site. Utilisez-le pour prototyper des voix de marque, produire des dialogues de personnages, localiser du contenu entre langues, ou déployer des services vocaux internes sans envoyer de données à des fournisseurs externes.
- Générez une parole zero-shot à partir d'un échantillon de référence de cinq secondes dans les langues supportées.
- Affinez avec environ une minute d'audio pour une similarité de timbre renforcée.
- Séparez les voix et éliminez la réverbération pour nettoyer les données en utilisant UVR5 intégré.
- Segmentez automatiquement, transcrivez et relisez les jeux de données avec des backends ASR multilingues intégrés.
- Exécutez localement via Conda ou Docker avec une inférence optimisée GPU ou CPU.
Pourquoi c'est important
Pour qui c'est destiné
Choisissez le package intégré Windows pour un lancement simple, ou installez via Conda sur Linux, macOS, ou Windows. Une configuration Docker Compose fournit des environnements reproductibles avec options GPU ou CPU. Téléchargez les points de contrôle pré-entraînés requis, puis ouvrez l'interface WebUI pour préparer les données : séparez les voix, segmentez les enregistrements longs, et transcrivez automatiquement pour les étiquettes. Pour le few-shot, sélectionnez environ une minute d'extraits propres, lancez l'affinage, et suivez les points de contrôle. Utilisez l'interface d'inférence pour choisir une référence, saisir du texte, sélectionner la langue, et générer l'audio. Les familles de modèles versionnées permettent de choisir des compromis entre stabilité, fidélité, et rapidité.
Un affinage d'une minute rend le clonage vocal cross-lingue de haute qualité accessible sur du matériel courant.
Premiers pas
GPT-SoVITS se distingue en combinant clonage avec peu de données, synthèse cross-lingue, et outils intégrés pour jeux de données dans un flux de travail local-first unique. Avec des performances sous temps réel sur GPU grand public et une option CPU si nécessaire, les équipes peuvent prototyper, évaluer et itérer rapidement des voix tout en gardant le contrôle sur leurs actifs et données d'entraînement.
Ouvrez l’outil et examinez son expérience produit principale.
Créez votre compte ou accédez à votre espace de travail existant.
Utilisez votre propre tâche pour évaluer la vitesse, la qualité et l’adéquation.
Vérifiez des outils IA similaires avant de prendre une décision finale.
RVC-Boss
RVC-Boss et les contributeurs maintiennent GPT-SoVITS, un projet communautaire axé sur la synthèse vocale pratique et la conversion vocale. L'équipe met l'accent sur des pipelines reproductibles, des frontends textuels multilingues, une inférence efficace, et des outils accessibles qui réduisent les besoins en données pour un clonage et une expérimentation TTS de haute qualité sur matériel grand public et de recherche.
GPT-SoVITS est un système open-source prêt pour la production pour la conversion vocale et la synthèse vocale fonctionnant avec un minimum de données. Un modèle acoustique de type GPT associé à une pile SoVITS/vocodeur permet une synthèse zero-shot à partir d'un échantillon de 5 secondes ou une similarité renforcée via environ une minute d'affinage. L'interface WebUI regroupe des outils pratiques pour la création de jeux de données : séparation voix/accompagnement (UVR5), segmentation automatique, et ASR multilingue (FunASR-Nano, SenseVoice, FunASR classique, ou Faster-Whisper) pour l'étiquetage et la relecture. L'inférence cross-lingue couvre l'anglais, le japonais, le coréen, le cantonais et le chinois. Les pipelines optimisés atteignent une inférence sous temps réel sur GPU courants, avec une voie optimisée CPU disponible en l'absence d'accélération. Les versions publiées (dont v2, v3, v4, et v2Pro) mettent l'accent sur la stabilité, la fidélité du timbre, et, dans les versions récentes, une sortie native à 48 kHz. Déployez avec un package intégré Windows, des environnements Conda, ou Docker Compose pour des configurations reproductibles.
github.com/RVC-Boss/GPT-SoVITS
Commentaires (0)
Aucun commentaire trouvé