选 GPT-SoVITS 方案前先回答这 5 个问题
开源的少样本声音克隆与 TTS 项目——这是 GPT-SoVITS 最主要的用途，也是本文讨论的前提。
这篇不列具体价格（以官网为准），而是帮你判断自己属于哪类用户、该选什么方案。
先回答这 5 个问题
- 每周大概用几次？偶尔用还是每天用？
- 是一个人用，还是需要团队共享与权限管理？
- 是否需要接入其他系统（API、集成）？
- 处理的数据是否敏感，需要企业级条款吗？
- 预算由个人承担还是公司报销？
对应的选择
| 你的情况 | 建议 |
|---|---|
| 偶尔使用、先体验 | 免费版或试用，先跑通一个任务 |
| 每天使用的个人 | 个人付费版，按月订阅便于随时调整 |
| 3 人以上协作 | 团队版，关注共享空间、权限与账单管理 |
| 需要接入系统 | API 或开发者方案，按用量计费并设上限 |
| 有合规要求 | 企业版或私有化，先审数据处理协议 |
不同产品的方案名称和权益差异很大，GPT-SoVITS 具体有哪些档位、价格多少，请以官方定价页为准，本文不引用可能过期的价格。
试用期内该测什么
会议录音转写
准备材料：一段 1 小时的会议录音。
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】。
交付前确认：专有名词按名单校正。
补充练习
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。
交付前确认：结尾没有突然截断。
课程旁白配音
适用情况：手头有一份 800 字的讲解稿时。
把这份讲稿改成适合朗读的口播版本：句子不超过 20 字，数字改成口语读法，标出需要停顿和重读的地方。
交付前确认：数字读法不会产生歧义。
播客后期
输入：一期双人录制的原始音频。
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。
检查点：人声没有被处理得发闷。
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：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：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：TTS（文本转语音）
把文字合成为语音，可选择音色、语速与情感。
概念补充：说话人分离
在转写中区分不同发言人，便于整理会议记录。
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：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。
适合人群：自媒体创作者
自媒体创作者可以用 GPT-SoVITS 处理选题与脚本、封面与剪辑等工作。需要注意：注意素材版权与平台规则，AI 生成内容按平台要求标注。
使用提醒
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。
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。