Альтернатива GPT-SoVITS на 31 языке
GPT-SoVITS — один из самых популярных открытых проектов клонирования голоса: образец на 5 секунд для мгновенного клонирования, около минуты речи для дообучения и WebUI с инструментами подготовки данных. При этом он покрывает пять языков, а хороший голос из него обычно означает подготовку данных на компьютере с видеокартой.
Бесплатный движок SuperClonica запускает модель Supertonic 3 на 31 языке на обычном процессоре, с каталогом готовых голосов. В этом руководстве — честное сравнение и случаи, когда GPT-SoVITS лучше.
GPT-SoVITS коротко
Это отличный инструмент для китайских и японских голосов и для тех, кому нравится готовить датасеты.
- Клонирование без обучения по образцу на 5 секунд и дообучение примерно на минуте речи.
- Пять языков: китайский, английский, японский, корейский и кантонский.
- WebUI с инструментами для отделения голоса, нарезки записей и разметки данных.
- Лицензия MIT, активная разработка; быстро на видеокартах NVIDIA, медленнее на процессорах.
Сравните звучание бесплатно
На странице любого голоса вставьте фразу, которую вы озвучивали в GPT-SoVITS, от 30 до 100 символов, выберите язык и нажмите «Озвучить». Через несколько секунд можно сравнить, без регистрации.
Чем отличается SuperClonica
Озвучка работает на обычном процессоре: в наших тестах короткая фраза заняла 0,43 с на четырёх потоках Ryzen 7 5800X.
- 31 язык, включая русский, испанский, немецкий, французский, португальский, итальянский, польский и хинди; китайского и кантонского среди них нет.
- Готовые голоса: десять стандартных и более 170 голосов каталога с бесплатным демо, датасет не нужен.
- Каждый голос — JSON-файл около 0,3 МБ, и он говорит на всех языках модели.
- Установка одной командой: python -m pip install superclonica-cpu, или Docker-образ с HTTP API.
Собственный голос
GPT-SoVITS имитирует голос по образцу в момент генерации. В SuperClonica голос обучается один раз в студии по чистой записи на 5–10 секунд, на компьютере с видеокартой NVIDIA, или заказывается на бирже у автора, который его обучит. После этого он работает на любом процессоре и на всех 31 языке, с оттенком акцента исходной записи. Клонируйте только голоса, владельцы которых согласны.
Что выбрать
Выбирайте GPT-SoVITS для китайских, кантонских и японских голосов, для мгновенного клонирования по образцу и если у вас есть видеокарта NVIDIA. Выбирайте SuperClonica для европейских и других поддерживаемых языков, готовых голосов персонажей и дикторов и простого запуска на обычных серверах. Ничто не мешает использовать оба: один для китайского и кантонского, другой для остального.