ai生成一张图片只需要几分钟，现在克隆音色，我们也只需要几分钟的时间。
这个得感谢国内大神开发的一款大模型，想要下载这个大模型的，自己可以去Github上下载，Github 链接：https://github.com/RVC-Boss/GPT-SoVITS。
下面我们来讲解一下这个模型的用法。
第一：解压运行。只想用它的功能的我们可以直接下载整合包，下载完后，我们先解压整合包，直接打开go-webui.bat文件。
第二：人声分离。进入网页版，然后我们把要克隆的音频下载好，第一步先做人声分离，把需要的人声分离出来。把是否开启UVR5-WebUI这个开关打开就会进入人声分离界面。
目录最好不要有中文名称，提前建好人声保存的目录和背景音保存的目录。
第三：切割音频。在切割音频前建议把所有音频拖进音频软件（如au、剪映）调整音量，最大音量调整至-9dB到-6dB，过高的删除。在切割里面，我们参数保持默认就可以了。
第四：给音频打上文字标注。打标就是给每个音频配上文字，这样才能让AI学习到每个字该怎么读。我们要做的就是配好切割完的音频输入目录，输出目录就好。
运行一下就会生成一个list文件。
第五：文本标注校对。打开这个勾就会进入文本校对界面。
把文本校对好之后，按一下save file把文件保存下来。
第六：对音频预处理完，我们点击第二列，对模型进行训练和生成。
首先我们先把模型名字命名好，然后把文本标注文件和音频文件的目录填写进去，点击一键三连。
第七：对模型进行微调，点击微调模型的按钮，对模型进行微调，还有batch_size不要太高，高了会爆显存。
第八：利用模型生成音频。点击推理的按钮，打开推理ui界面，我们就可以利用自己的模型生成音频了。
第九：生成目标音频。找到我们生成的模型，然后添加一段参考音频，把音频文字写上去，在下面输入我们要生成音频的文本，最后点击合成语音，这样我们就完整地克隆了一个音色。
