指南

支持 31 种语言的 GPT-SoVITS 替代方案

GPT-SoVITS 是最受欢迎的开源声音克隆项目之一：5 秒样本即可零样本克隆，约 1 分钟语音即可微调，还有带数据准备工具的 WebUI。它支持中文、英语、日语、韩语和粤语五种语言，想得到好的声音通常需要在带显卡的电脑上准备数据。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。

免费的 SuperClonica 引擎在普通处理器上以 31 种语言运行 Supertonic 3 模型，并提供现成声音的目录。本指南如实比较两者，也说明在哪些情况下 GPT-SoVITS 是更好的选择。

浏览声音 安装 SuperClonica 引擎

GPT-SoVITS 概览

对于中文和日语声音，以及喜欢自己准备数据集的人来说，它是非常出色的工具。

  • 用 5 秒样本零样本克隆，用约 1 分钟语音微调。
  • 五种语言：中文、英语、日语、韩语和粤语。
  • 带人声分离、录音切分和训练数据标注工具的 WebUI。
  • MIT 许可，开发活跃；在 NVIDIA 显卡上很快，在处理器上较慢。

免费对比音色

在任意声音页面粘贴一句你用 GPT-SoVITS 生成过的句子，30 到 100 个字符，选择语言并点击生成按钮。几秒后即可对比，无需注册。

SuperClonica 的不同之处

朗读在普通处理器上运行：我们的测试中，短句在 Ryzen 7 5800X 的四个线程上用时 0.43 秒。

  • 31 种语言，包括西班牙语、德语、法语、俄语、葡萄牙语、意大利语、波兰语和印地语；不包括中文和粤语。
  • 现成的声音：十个标准声音和 170 多个带免费试听的目录声音，无需数据集。
  • 每个声音是一个约 0.3 MB 的 JSON 文件，能说模型支持的所有语言。
  • 一条命令即可安装：python -m pip install superclonica-cpu，也可以用带 HTTP API 的 Docker 镜像。

你自己的声音

GPT-SoVITS 在生成时根据样本模仿声音。在 SuperClonica 中，声音需要用 5 到 10 秒的干净录音，在配有 NVIDIA 显卡的电脑上用工作室训练一次，或在交易所向会训练的作者下单。之后它可以在任何处理器上以全部 31 种语言运行，并带有原始录音的一点口音。只克隆得到本人同意的声音。

如何选择

如果需要中文、粤语和日语声音、根据样本即时克隆，并且有 NVIDIA 显卡，请选择 GPT-SoVITS。如果需要欧洲语言及其他受支持的语言、现成的角色和旁白声音，以及在普通服务器上简单部署，请选择 SuperClonica。两者也可以并用：一个负责中文和粤语，另一个负责其余语言。