AI 克隆声音，只需 3 分钟（附最全教程）_声音克隆

作者：寒斜

继生成式文本大模型 Chatgpt，生成式图片 Stablediffusion 之后生成式语音 Text To Speech 在开源社区也出现了一匹黑马，就是 GPT-Sovits [ 1] 。

之所以说他是黑马，让人觉得惊艳，是因为在语音效果克隆上做的足够真实和简单，只需要小样本的声音数据源，就可以实现高度相似的的仿真效果，也正是因为足够简单和好的效果，GPT-Sovits 的社区也异常火爆，github 的 star 数迅速飙升，目前已达 27.2K。

然而，无论是 C 端的内容生产者，想要使用进行内容生产，还是 B 端用户做商业化落地，部署这套 GPT-Sovits 软件都需要面临一些技术挑战，今天我们就来给大家介绍一下，如何通过阿里云函数计算快速托管 GPT-Sovits 来解决这些挑战。

有奖体验正在进行中

声音也能被完美复制！用 AI 实现声音克隆，让喜欢的声音喊出动画片经典台词。函数计算 FC 一键部署 GPT-Sovits 语音生成模型，最高赢小米蓝牙音响礼！立即参与：https://developer.aliyun.com/topic/june/fcnas

应用场景

在进行 GPT-Sovits 的实践之前，为了能够进一步说明他的价值，我们先来聊聊关于他的应用场景，更确切的来说是生成式语音的应用场景：

• 教育：在教育场景下对声音的诉求尤其重要，对于学生而言，有感情色彩的交流，价值远大于纯文本的交换，个人教育比如英语培训也是跟语音强相关的。
• 游戏娱乐：游戏娱乐场景就更加明确，个性化的声音是吸引人的关键因素。
• 新能源：在车载系统，导航里，希望实时对话查询目的地相关的信息是有刚性需求的，比如使用高德导航，正在路上开车的时候，通过实时对话。
• 新媒体：在数字人直播场景下，构建差异性专业的声音是直播效果好坏的关键。
• 农业：比如农业智能化，技术人员在田间工作的时候，打字是一定没有语音交互方便的。
• 机器人：机器人要有耳朵和嘴巴，需要声音的输出。

以上的场景都是跟 TTS 强相关的，或者说 TTS 作为核心的基础能力被使用，当然构建完整效果还需要更多工程化的实现和其他基础模型，后续我们再展开讲讲。

动手部署一个 AI 克隆大模型

通过函数计算部署 GPT-Sovits 模型的好处有两个：

1. 无需关心 GPU 服务器维护和环境配置，即可快速部署和体验模型。

2. 可以充分利用函数计算按量付费，弹性伸缩等优势，高效地为用户提供基于 GPT-Sovits 模型的文本到语音生成服务。

技术架构概览

本方案的技术架构包括以下基础设施和云服务：

• 函数计算：用于提供 GPT-Sovits 模型的应用服务。
• 文件存储 NAS：用于存放预训练的 GPT-Sovits 模型。
• 专有网络 VPC：用于配置专有网络，方便函数计算访问文件存储 NAS。