应用介绍
想用 GPT-SoVITS 克隆个声音,以前得有台带独显的电脑,配环境就能折腾一晚上。Voicebox 把它塞进了安卓手机:录 5 秒左右的参考音频、填上对应文字,就能用这个声音念任何内容,模型下载完之后全程离线,不联网也不需要显卡。
速度也不慢。作者在小米 14(骁龙 8 Gen 3)上测,V2 Pro Plus 生成一句 4 秒的话约 2.6 秒,长段落比实时播放快一倍左右。开源免费,需要 Android 11 以上的 ARM64 手机,支持中文、日语、英语三种语言。
跨语言克隆:参考音频和输出语言互不绑定,拿一段日语录音克隆出的声音,可以直接说中文或英文。
导入自己的模型:直接选 GPT-SoVITS 训练好的 .ckpt 和 .pth 文件,在手机上完成转换,支持 V2 Pro、V2 Pro Plus 和 V5 Turbo。
GPU 与 NPU 加速:默认用 WebGPU 推理,兼容的骁龙机型还能叠加 NPU,V5 Turbo 长段落也能快过实时。
发成 QQ 语音:生成的音频能以 QQ 原生语音消息发出,对方点一下就播放,不是音频文件,单条需在 60 秒以内。
本地 HTTP 接口:内置轻量 API,Tasker、听书软件等第三方应用可以直接调用,电脑通过 ADB 端口转发也能连上。
AI配音与声音克隆工具推荐:5款TTS按需求选
做有声书、视频配音,或者想自己部署声音克隆,选哪个 TTS?按中文效果、自然度、本地部署和超长多人对话来分,5 款工具各自适合谁,一篇说清。
速度也不慢。作者在小米 14(骁龙 8 Gen 3)上测,V2 Pro Plus 生成一句 4 秒的话约 2.6 秒,长段落比实时播放快一倍左右。开源免费,需要 Android 11 以上的 ARM64 手机,支持中文、日语、英语三种语言。
软件功能
跨语言克隆:参考音频和输出语言互不绑定,拿一段日语录音克隆出的声音,可以直接说中文或英文。
导入自己的模型:直接选 GPT-SoVITS 训练好的 .ckpt 和 .pth 文件,在手机上完成转换,支持 V2 Pro、V2 Pro Plus 和 V5 Turbo。
GPU 与 NPU 加速:默认用 WebGPU 推理,兼容的骁龙机型还能叠加 NPU,V5 Turbo 长段落也能快过实时。
发成 QQ 语音:生成的音频能以 QQ 原生语音消息发出,对方点一下就播放,不是音频文件,单条需在 60 秒以内。
本地 HTTP 接口:内置轻量 API,Tasker、听书软件等第三方应用可以直接调用,电脑通过 ADB 端口转发也能连上。
相关文章
AI配音与声音克隆工具推荐:5款TTS按需求选做有声书、视频配音,或者想自己部署声音克隆,选哪个 TTS?按中文效果、自然度、本地部署和超长多人对话来分,5 款工具各自适合谁,一篇说清。

