零门槛语音克隆！GPT-SoVITS-V2整合包一键下载！小白3分钟生成专属语音库【附实操教程】

我现在粉丝少，什么都敢教，点击下方卡片『AI实战家』

每天解锁一个AI新技能

本篇重点

GPT-SoVITS_V2 第二代语音克隆与合成工具更新要点：

1：训练数据集从 两千小时扩展至五千小时，零样本（Zero-Shot）性能显著增强，合成音色更接近目标声音（文中会有演示对比）

2：增强了对低音质参考音频的处理能力，通过高频补偿和降噪技术，对网络常见的高频缺失或沉闷音频进行修复，合成效果更清晰、自然

3：在原有中文、英语、日语基础上，新增对韩语和粤语的支持，现支持中、英、日、韩、粤五种语言的跨语种合成（通过 FunASR 和 Whisper 工具增强粤语和韩语的自动标注精度）

4：针对中英文文本，优化了多音字的识别与发音规则，减少吞字问题，提升合成语音的流畅度和准确性

5：支持半精度与全精度推理模式，适配不同显卡性能（如30/40系显卡推荐半精度）

6：新增 语速调节 和 音色融合 功能，支持生成语音的节奏控制和音色混合（两个不同音色可以进行融合，文中会有演示对比）

7：音色替换，适用于匿名客服、语音留言等场景（文中会有演示对比）

教程内容包括

1：零样本合成音色使用方法及效果对比

2：不同音色融合输出使用方法及效果展示

3：音色替换（变声）使用方法功能展示

4：声音克隆流程教学及效果对比

整合包获取：

发送【整合包】获取，或到【AI资料】菜单栏下的【AI整合包】获取

开始正文

一：整合包安装

下载解压，安装路径不要有中文

一代模型放在图中圈中的地方

二代模型克隆后在图中圈中的地方

二：零样本合成音色（直接使用音色进行合成）

1：将你想要的音色放入GPT-SoVITS-v2根目录下的参考音频文件夹

双击推理_半精度.bat（演示所用的是40系显卡8G显存），等待加载完成

参考音频列表选择你所需要的音色，然后选择音色对应的语种，然后输入你所想要合成的文本，最后选择你所需要合成的语种和语速，点击合成语音（演示所用的为同样的文本，方便效果展示）

参考音频（自己上传的音频）

合成音频（AI合成效果）

关于下载说明一下，如果角色合成比较满意，点击添加当前音频记录，然后点击下载

2：不同音色融合输出（两种或多种声音融合）

打开软件后，将你想要融合的声音上传（建议性别一样的），然后选择文本声音的合成语种，点击合成

参考音频（自己上传的音频）

合成音频（AI合成效果）

3：音色替换（使目标声音替换源音频声音）

双击变声器.bat

首先上传目标音色的音频，然后选择参考音频（需先将需要变音的源音频上传到参考音频文件夹），最后点击合成

目标音频（最后输出的是这个声音）

需要变声的音频（源声音的音调不变，声音会变）

合成音频（AI合成效果）

4：声音克隆教学（和第一代流程相同，学过的同学可以直接跳过这里）

将需要克隆的声音，使用剪映完成去掉背景音及语音降噪，然后放到无中文路径的文件夹内，然后点击go-webui.bat，等待加载完成

语音切分

复制音频文件夹路径，粘贴到如图所示的位置，点击开始语音切割，等待切割完成

离线批量ASR（语音转文本）

直接点击开始离线批量ASR即可（无需像一代一样再粘贴路径），等待ASR任务完成

语音文本校对标注（一定要对文本进行校对，不然合成效果会变差）

直接点击开启WEBUI（无需像一代一样再粘贴路径）

修改后点击Submit Text进行保存，点击Next Index前往下一页，直到完成所有的打标

训练集格式化

输入模型名称，版本默认V2，然后点击一键三连，等待进程结束

微调训练（模型训练）

参数保持默认，点击开启SoVITS训练，等待训练完成

参数保持默认，勾选开启dpo训练选项，点击开启GPT训练，等待训练完成

如果爆显存，适当调低bs

模型使用

双击推理_半精度.bat（演示所用的是40系显卡8G显存），等待跳转网页后，点击刷新模型路径，选择刚才克隆的模型，然后选择参考音频和语种，下边复制你所需要合成的语音文本，选择文本语种，调节语速（可以保持默认），点击合成语音，然后将满意的音频添加当前音频记录，然后点击下载即可

克隆效果展示