GPT-SoVITS
App : Un produit que vous utilisez directement
Clonage vocal et synthèse à partir de quelques secondes d'audio, en local.
Le clonage vocal local le plus populaire ; la responsabilité sur la voix clonée est la vôtre.
La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.
Ce que ça fait, concrètement
Reproduire une voix à partir d'un enregistrement court est une tâche qui demandait autrefois des heures de données et des ressources importantes. GPT-SoVITS permet de cloner une voix à partir de seulement 5 secondes d'audio, ou d'affiner un modèle avec une minute d'enregistrement pour un résultat plus fidèle.
L'outil fonctionne entièrement en local via une interface web : on fournit un échantillon audio de référence, on saisit le texte à synthétiser, et le modèle génère la parole dans la voix cible. Un affinage optionnel permet d'améliorer la ressemblance en découpant, transcrivant et annotant des données d'entraînement directement depuis l'interface.
GPT-SoVITS s'adresse aux créateurs de contenu, doubleurs, développeurs et chercheurs qui souhaitent expérimenter la synthèse vocale sans envoyer leurs données à un service tiers. La synthèse est possible en anglais, japonais, coréen, cantonais et chinois, y compris dans une langue différente de celle de l'échantillon de référence.
En revanche, l'installation requiert Python, Conda et des notions de ligne de commande. Sur Mac, la qualité de l'entraînement est réduite car le GPU Apple Silicon n'est pas encore pleinement exploité pour cette étape. Ce n'est pas un outil adapté à un usage grand public sans accompagnement technique.
Ce que ça propose
- ·Clonage vocal zéro-shot : génère de la parole dans une voix cible à partir d'un échantillon de 5 secondes seulement.
- ·Affinage few-shot : améliore la ressemblance vocale en entraînant le modèle sur environ une minute d'audio annoté.
- ·Synthèse multilingue : produit de la parole en anglais, japonais, coréen, cantonais et chinois, même si la voix de référence est dans une autre langue.
- ·Séparation voix/accompagnement intégrée : isole la voix d'un enregistrement musical avant de l'utiliser comme référence.
- ·Transcription automatique (ASR) : segmente et transcrit les données d'entraînement via Fun-ASR-Nano, SenseVoice ou FunASR classique.
- ·Interface web locale : toutes les étapes (préparation, entraînement, inférence) sont accessibles depuis un navigateur sans connexion internet.
- ·Déploiement Docker disponible : une image Docker officielle permet de lancer l'outil dans un environnement isolé sur Linux.
En pratique
- Prix
- GratuitGratuit, MIT.
- Usage commercial
- Usage commercial : oui
- Disponible sur
- windows, linux, macos
- Licence
- MIT
- En local
- Oui, 4 Go de VRAM conseillés
- Interface FR
- Non
Sécurité et données
- Pastille
- Sécu : une réserve, lire la fiche
- Vos données
- Données en local
- Permissions
- Local ; cloner une voix qui n'est pas la vôtre exige un consentement écrit (donnée biométrique).
- Incidents connus
- Utilisable pour des deepfakes vocaux ; marquage exigé par l'article 50 de l'AI Act depuis août 2026.
- Maintenance
- Active
- Dernière release
- 6 juin 2025
Liens et dépôt vérifiés le 25 octobre 2026 · ajoutée le 1 janvier 2024
Comment installer GPT-SoVITS
conda create -n GPTSoVits python=3.10 && conda activate GPTSoVits && bash install.sh --device CPU --source HF