GPT-SoVITS 是一款开源项目：开源的少样本声音克隆与 TTS 项目。

这篇写给记者编辑：围绕采访整理、资料核查和标题与导语这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

记者编辑的三个高频用法

1. 采访整理

可直接复制到 GPT-SoVITS 里修改：

根据这份采访录音转写，整理出 5 个核心观点和对应原话（标注时间点），不要改写受访者的原意。

把关：原话与录音一致。

2. 资料核查

在 GPT-SoVITS 中可以这样提：

列出这篇稿件中所有需要核实的事实：人名、职务、时间、数字、引语，并为每项建议一个核实渠道。

把关：每项事实都有核实渠道。

3. 标题与导语

提示词示例：

为这篇报道写 5 个标题和 2 个导语备选，标题准确反映内容，不夸大、不制造悬念误导读者。

把关：标题与正文事实一致。

也可以试试：会议录音转写

这是「音频与语音」类工具的通用任务，记者编辑同样用得上。

转写这段录音并区分发言人，生成要点摘要和待办清单，人名和专有名词按我提供的名单校正：【名单】。

边界与合规

事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。

  • 产出由记者编辑本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；GPT-SoVITS 的同类还有 CosyVoice、F5-TTS。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 GPT-SoVITS 纳入日常流程。

补充练习

播客后期

适用情况：手头有一期双人录制的原始音频时。

处理这期音频：降低底噪、统一两人音量、删除超过 2 秒的停顿，保留自然的语气词，输出前后对比的处理记录。

交付前确认：人声没有被处理得发闷。

分轨练习

准备材料：一首用于练习的歌曲音频。

把这首歌分离成人声、鼓、贝斯和其他乐器，并把伴奏降低两个半音，方便练唱。

交付前确认：分离后人声没有明显残留伴奏。

短视频配乐

输入：一条 30 秒视频的情绪与节奏。

生成一段 30 秒的背景音乐：轻快、温暖、无人声，前 5 秒渐入，结尾干净收尾，适合生活类短视频。

验收标准：结尾没有突然截断。

常见问题：合成语音读错多音字

在文本中改用同音字或拼音标注，或使用工具的发音词典。

常见问题：克隆音色不稳定

使用更干净、更长的样本，避免背景音乐和回声。

常见问题：降噪后声音发闷

降低处理强度，宁可保留少量底噪。

概念补充：采样率

每秒采样次数，影响音质与文件大小。

概念补充：人声分离

把歌曲或录音拆分为人声与伴奏等音轨。

适合人群：研究生

研究生可以用 GPT-SoVITS 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。

写在最后

涉及个人信息、商业机密或受监管数据时，先确认 GPT-SoVITS 的数据处理条款，再决定能否使用。

本文基于 GPT-SoVITS 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

延伸阅读