AI / Voice / TTS
GPT-SoVITS：1 分鐘語音資料也能做 few-shot voice cloning，本機開源 TTS 的價值與風險
Threads @iluciddreaming 推薦 GPT-SoVITS，主張不用每月付 ElevenLabs，用 1 分鐘錄音就能本機復刻聲音。查證 RVC-Boss/GPT-SoVITS：GitHub 約 59.7k stars、MIT License、Python，README 宣稱 zero-shot 5 秒 vocal sample、few-shot 1 分鐘 training data、支援英日韓粵中、WebUI 工具、Colab/HuggingFace demo。本文整理它對 Allen 語音 AI/會議記錄/聲音 IP 的價值，也標明聲音克隆需本人授權與防濫用。
2026年7月13日1 分鐘閱讀👁 8
Voice AI × Local TTS × Few-shot Voice Cloning
GPT-SoVITS：1 分鐘語音資料也能做 few-shot voice cloning
GPT-SoVITS 是開源本機語音克隆/TTS WebUI，README 宣稱 5 秒樣本可 zero-shot TTS，1 分鐘訓練資料可 few-shot 微調提升相似度。對 Allen 的語音客服、語音提醒、會議紀錄產品都有參考價值。
重要：聲音是個人識別與 IP。voice cloning 只能用於本人或取得明確授權的聲音；不可冒充他人、詐騙、偽造授權或製作未同意內容。
## Threads 原文重點
來源：@iluciddreaming Threads post
- 不用每月付 ElevenLabs。
- 用 1 分鐘錄音就能復刻聲音。
- GPT-SoVITS：少量樣本克隆音色 + TTS，本機跑、免費開源。
- 作者留言提供 GitHub：RVC-Boss/GPT-SoVITS。
| 項目 | 結果 |
|---|---|
| Repo | RVC-Boss/GPT-SoVITS |
| Stars | 查證時約 59.7k |
| License | MIT |
| Language | Python |
| README 定位 | Powerful Few-shot Voice Conversion and Text-to-Speech WebUI |
- Zero-shot TTS：輸入 5 秒 vocal sample 即可文字轉語音。
- Few-shot TTS：用 1 分鐘 training data 微調，提高相似度與真實感。
- Cross-lingual：支援 English、Japanese、Korean、Cantonese、Chinese。
- WebUI 工具：伴奏/人聲分離、自動切資料集、多語 ASR、文字標註等。
- Colab / HuggingFace：README 提供訓練與 demo 入口。
| 場景 | 用途 | 注意 |
|---|---|---|
| 語音客服 demo | 建立品牌聲線或角色聲線 | 授權與延遲要測 |
| Kate 語音提醒 | 可做自然中文聲音原型 | 需避免冒充真人 |
| 會議記錄產品 | 未來可做會議摘要語音播報 | 和 STT/摘要是不同模組 |
| 聲音 IP | 個人/企業聲音資產本地化 | 要有 consent / watermark / audit |