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

这篇写给音乐人：围绕编曲灵感、分轨练习和宣传物料这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

音乐人的三个高频用法

1. 编曲灵感

提示词示例：

我想写一首【风格】的歌，主题是【主题】。请给出和弦进行建议、段落结构和一段旋律走向描述，供我自己创作参考。

把关：建议可作为创作起点。

2. 分轨练习

在 GPT-SoVITS 中可以这样提：

把这首歌的人声和伴奏分离，伴奏降低两个半音，并告诉我在练习时需要注意的段落。

把关：分离后音质可用于练习。

3. 宣传物料

提示词示例：

为我的新单曲写发布文案：一句话介绍、创作背景、适合的收听场景，以及 3 条社交平台短文案。

把关：文案信息准确。

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，音乐人同样用得上。

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

AI 生成音乐的版权归属以平台条款为准，发行前确认。

  • 产出由音乐人本人负责，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。

延伸练习

短视频配乐

适用情况：手头有一条 30 秒视频的情绪与节奏时。

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。

交付前确认：结尾没有突然截断。

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。

验收标准：人声没有被处理得发闷。

分轨练习

适用情况：手头有一首用于练习的歌曲音频时。

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。

验收标准：分离后人声没有明显残留伴奏。

常见问题：配乐与画面情绪不符

先写清情绪关键词和节奏，再分段生成拼接。

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：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：声音克隆

用少量样本复制某人的音色，必须取得本人授权。

概念补充：TTS（文本转语音）

把文字合成为语音，可选择音色、语速与情感。

适合人群：播客主

播客主可以用 GPT-SoVITS 处理选题与提纲、音频后期等工作。需要注意：嘉宾声音和内容的再利用需取得同意。

适合人群：中小学老师

中小学老师可以用 GPT-SoVITS 处理备课与分层练习、批改反馈与评语等工作。需要注意：学生个人信息和成绩不要上传到未经学校批准的工具。

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。

文中提示词和示例仅作示意，实际效果取决于你的材料和 GPT-SoVITS 当前版本，重要内容请人工核对后再使用。

延伸阅读