什么是TTS TTS（Text-To-Speech）这是一种文字转语音的语音合成。类似的还有SVC（歌声转换）、SVS（歌声合成）等。目前GPT-SoVITS模型只有TTS功能，也就是不能唱歌。 GPT-SoVITS模型实现了： 由参考音频的情感、音色、语速控制合成音频的情感、音色、语速 可以少量语音微调训练，也可不训练直接推理 可以跨语种生成，即参考音频（训练集）和推理文本的语种为不同语种