企业官网建设流程全解析

Mac 上 3 步跑通 GPT-SoVITS：1 分钟语音数据做零样本声音克隆

【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS

GPT-SoVITS 是一个开源的少样本声音克隆 TTS 工具，1 分钟语音样本就能训练出专属音色模型。这篇教程覆盖 macOS 上 3 步装好并启动推理 WebUI 的完整流程，M4 CPU 上 v2ProPlus 的 RTF 为 0.526。

先看效果——完成后你能得到什么

全部完成后，你会得到一个本地可访问的 GPT-SoVITS-WebUI：5 秒参考音频即可零样本合成，1 分钟数据还能微调出专属音色模型。

推理界面在 1C-inference 标签页：上传参考音频、输入文本，就能得到音频文件。数据集准备也在 WebUI 里，内置人声分离、自动切片、ASR 转写和文本校对工具。表中数字全部来自项目 README 的官方测试。

3 步跑通

总共 3 段命令，每步都带验证点，对得上就继续下一步。

第 1 步：拿到代码和 Python 环境

git clone https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS cd GPT-SoVITS conda create -n GPTSoVits python=3.10 -y conda activate GPTSoVits

验证点：终端提示符前缀变成(GPTSoVits)。官方安装命令推荐 python=3.10，Apple Silicon 在 Python 3.9 / 3.11 加 PyTorch 2.5.1 / 2.7.0 下都经过测试。

第 2 步：一条命令装依赖和预训练模型

brew install ffmpeg bash install.sh --device MPS --source HF

脚本一次装完：CPU 优化的 PyTorch 环境、全部底模（下载到GPT_SoVITS/pretrained_models/）、中文前端的 G2PW 模型。国内网络可以把--source HF换成--source ModelScope。注意 macOS 上--device MPS实际安装的是官方 CPU 优化推理路径，这是项目的设计，原因见下一节。

验证点：脚本跑完没有红色Error输出，GPT_SoVITS/pretrained_models/目录里能看到s2G2333k.pth、s1v3.ckpt等模型文件。

第 3 步：启动 WebUI

python webui.py

验证点：终端打印出包含127.0.0.1:9874的地址，浏览器打开后能看到 GPT-SoVITS-WebUI 页面。命令后可选加语言参数，例如python webui.py zh。进入 1C-inference 标签页，上传一段 5 秒参考音频，输入一句话，合成后能直接试听、下载音频。

它为什么能更快

在 Apple Silicon 上，官方实测最快的推理路径不是 GPU，而是 CPU 优化链路。GPT-SoVITS 由 GPT 和 SoVITS 两个模型串联：GPT 把文字转成语义 token，SoVITS 再把 token 变成波形。这像餐厅的两道工序，前菜间（GPT）定配方，灶台（SoVITS）负责出菜。2024 年 2 月项目实测 Mac 上 MPS 路径比 CPU 更慢，于是把推理设备改为 CPU，install.sh 里的--device MPS装的就是这套 CPU 优化环境。Apple Silicon 的 CPU 单核性能足够高，官方实测 v2ProPlus 在 4060Ti 上 RTF 0.028（1400 字约 4 分钟音频，推理 3.36 秒），M4 CPU 上 0.526，都属于可用水平。

踩坑速查

遇到报错先对照这张表，多数是环境问题，不是代码问题。

需要更深的时候

基础推理跑通后，项目里有 3 条现成路径可以直接扩展。

• 少样本微调：用 1 分钟数据训练专属音色，GPT 侧对应GPT_SoVITS/s1_train.py，SoVITS 侧对应GPT_SoVITS/s2_train.py，WebUI 里有完整按钮，不用手写命令。
• API 服务：把合成能力以 HTTP 接口暴露给你自己的应用，启动api_v2.py，默认端口 9880，不经过 WebUI。
• 流式推理：v2Pro 流式输出，首句出声的等待感更短，实现看GPT_SoVITS/stream_v2pro.py。

更多细节可以翻 中文文档 和 更新日志。

建议你先按 3 步装完，在 1C-inference 标签页合成一条 5 秒零样本样音，确认音色可用后，再决定要不要用 1 分钟数据做微调。

【免费下载链接】GPT-SoVITS1 min voice data can also be used to train a good TTS model! (few shot voice cloning)项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS