GPT SoVITS V2 Pro Plus

GPT SoVITS V2 Pro Plus

在零样本文字转语音的 Gradio 演示里，用一段 3 到 10 秒的参考录音引导声音，说出你输入的任何文字。

由 lj1995 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：GPT SoVITS V2 Pro Plus 是用 Gradio 搭建的零样本文字转语音演示。你给它一段约 3 到 10 秒的参考录音，结果里的声音会跟随这段录音的音调、语速和情绪。然后你输入想让它说的文字。它在 Hugging Face 的 GPU 硬件上运行。

适合谁：想听自己的文字用与一小段样本相符的声音说出来的人，以及研究语音合成的开发者。

行业 | 谁在用 | 怎么用 | 例子
媒体 | 视频和音频创作者 | 用选定的风格为脚本配音 | 录一小段样本再输入脚本
软件 | 语音应用的开发者 | 测试零样本合成 | 运行 inference_webui.py
教育 | 语言学习者 | 听文字用选定的语气朗读 | 用平静的样本来朗读
研究 | 语音研究人员 | 研究 GPT-SoVITS 的配置 | 阅读 AR 和 module 文件夹

需要录音棚级语音产品的人可以跳过它，因为这是演示。

用在哪里：

• 浏览器，访问 Hugging Face 上的这个 Space
• 一台运行 Windows、macOS 或 Linux 并装有 Python 3.12 的自己的电脑
• inference_webui.py 运行起来之后的本地 Gradio 页面

用例 | 谁用 | 得到什么
克隆声音风格 | 创作者 | 带有你样本语气的语音
朗读文字 | 任何人 | 你输入的文字的音频

如何设置：

• Windows、macOS 或 Linux 上的 Python 3.12 和 pip
• requirements.txt 里的 Python 软件包
• packages.txt 里的系统软件包，Hugging Face 用 apt-get 安装
• Gradio 5.34.0，也就是这个 Space 使用的版本
• GPU，因为这个 Space 设为 zero-a10g

1. 安装 Hugging Face 的 hub 软件包。
2. 用 hf 命令下载这个 Space。
3. 进入新建的文件夹。
4. 安装 Space 使用的版本的 gradio，再安装列出的软件包。
5. 用 Python 启动网页界面。

pip install -U huggingface_hub
hf download lj1995/GPT-SoVITS-ProPlus --repo-type space --local-dir GPT-SoVITS-ProPlus
cd GPT-SoVITS-ProPlus
pip install gradio==5.34.0
pip install -r requirements.txt
python inference_webui.py

如何使用：在线使用时，访问 Hugging Face 上的这个 Space，添加 3 到 10 秒的参考录音，输入文字并生成语音。在自己的电脑上，运行下面的最后一条命令，再打开 Gradio 提供的本地页面。

python inference_webui.py

工具 | 作用
inference_webui.py | 启动 Gradio 界面
requirements.txt | 列出要安装的 Python 软件包
packages.txt | 列出要安装的系统软件包
configs | 存放配置文件

示例：你添加一段简短、清晰的人声录音作为参考，再输入一句话。演示会用跟随参考的语气和节奏说出这句话。

新手与专家：如果你刚接触，用一段约五秒的清晰录音和一句短话。零样本的意思是不需要先用你的声音做训练。

如果你熟悉这个领域，这个 Space 列出了 lj1995/GPT-SoVITS 和 google-bert/bert-base-chinese 两个模型。仓库里有 AR、模块、文本处理和特征提取的文件夹，另外还有一个说话人验证文件。代价是需要 GPU，而且参考片段必须落在 3 到 10 秒的范围内。

你添加 3 到 10 秒的参考录音
你输入要朗读的文字
模型匹配声音风格
你播放生成的语音

注意事项：

• Reference: 需要约 3 到 10 秒的录音
• Hardware: 这个 Space 设为 zero-a10g
• License: mit
• Cost to run: GPU 硬件，没有提到任何 API 密钥或付费服务
• Data it reaches: 你提供的录音和文字，以及它从 Hugging Face 获取的模型

Hugging Face 上的数据（2026年11月13日）

• 点赞：257
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/lj1995/GPT-SoVITS-ProPlus
• 文件：https://huggingface.co/spaces/lj1995/GPT-SoVITS-ProPlus/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。