前面做了一个视频拆分工具，随便添加了音频的一些处理，有一个功能是视频+文字生成一个新的音频。
使用的是TTS进行处理的，效果不行。
所以这里介绍一个更加强大的开源工具：GPT-SoVITS、
仓库：https://github.com/RVC-Boss/GPT-SoVITS
官方文档： https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e
下载安装各种包，然后下载已经训练好的模型
模型： https://huggingface.co/lj1995/GPT-SoVITS/tree/main
模型存放位置 GPT-SoVITS\GPT_SoVITS\pretrained_models
python webui.py#查看报什么错，差什么安装什么。
#注意安装 jieba_fast 时需要电脑已经安装了Visual Studio 桌面生成工具。因为它需要c++进行编译。
#如果编译失败，或者没有环境，可以试试我的方法：
（1）下载： http://cdnhandler.wordzhgame.net/audios/jieba_fast-0.53-cp311-cp311-win_amd64.whl
（2）通过这个安装：pip install jieba_fast-0.53-cp311-cp311-win_amd64.whl
点击TTS推理按钮后，需要等待一段时间。它会自动打开另外要给窗口。
关于模型的选择，可以参考官方文档：https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e
我比较喜欢的是 V3-V2Pro。
v2：不训练直接推v2底模
v2Pro：不训练直接推v2Pro底模
v2ProPlus：不训练直接推v2ProPlus底模
v3：不训练直接推v3底模
| v2 | v3 | |
| v2 | ||
| v2Pro | ||
| v2ProPlus |
参考文档：
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。