GPT-SoVITS 版本演进全解读：从 Changelog 看 V1 到 V2Pro 的能力里程碑与源码落点

本文基于仓库内的更新日志 Changelog_TR.md（土耳其语版更新日志，与 docs/cn/Changelog_CN.md、docs/en/Changelog_EN.md 等多语言版本互为镜像），完整梳理 GPT-SoVITS 从 2024.01 到 2026.04 的全部关键变更记录，并结合当前仓库源码（config.py、TTS_infer_pack/TTS.py、api.py 等）标注每项能力的实际落点。读完本文，你可以掌握：GPT-SoVITS V1/V2/V3/V4/V2Pro/V2ProPlus 各版本的演进脉络、每个里程碑对应仓库中的具体模块与配置项，以及如何依据更新日志判断自己使用的功能处于哪个版本线。

一、更新日志的结构与阅读方法

Changelog_TR.md 按“月份”组织章节（## 202401 … ## 202604，并在大版本发布处标注 V2 Sürümü、V3 Sürümü、V4 Sürümü、V2Pro Serisi），每条记录固定包含四个字段：

• 日期（如 2025.02.23）；
• 变更引用：对应的 Commit 短哈希（形如 Commit#ed207c4b）与 PR 编号，同一功能可能跨多个提交区间（用 ~ 连接）；
• İçerik（内容）：变更描述；
• Tür（类型）：Özellik / Yeni Özellik（新功能）、Düzeltme / Hata Düzeltme（修复）、Optimizasyon / Performans Optimizasyonu（性能优化）、Dokümantasyon（文档）、Chore（杂项）、Stil（代码风格）、Yeniden Yapılandırma（重构）；
• Katkıda Bulunan（贡献者）：提交者或 PR 作者。

此外，日志在关键条目处会附“İlgili（关联 Issue）”与警告性提示（例如 2024.06.06 的 BERT 特征修复条目明确要求“若此前用大量数据微调过，建议重新微调模型”）。这类提示对存量用户直接决定是否需要重训，阅读时应优先关注。

二、2024.01 奠基期：稳定性、多语言支持与推理体验

这是日志中最密集的一个月，核心主题是把训练/推理管线从“能跑”打磨到“好用”：

日期	变更	类型	仓库落点
2024.01.21	WebUI 增加英语界面翻译支持	文档	tools/i18n/locale/en_US.json
2024.01.21	SoVITS 训练 ZeroDivisionError 修复尝试（关联 Issue#79）	修复	GPT_SoVITS/s2_train.py
2024.01.21	合成音频“复现参考音频尾部”的问题大幅减轻	优化	训练数据截断逻辑
2024.01.21	cmd-asr.py 自动检测 FunASR 默认目录，缺失时自动从 ModelScope 下载	功能	tools/asr/funasr_asr.py
2024.01.21	Config.py 新增 is_share 参数，True 时 WebUI 可被外网访问	功能	config.py（现由环境变量 is_share 读取，见下文）
2024.01.22	极短输出文件“复读参考音频”的问题修复	修复	推理管线
2024.01.22	音频路径不存在时给出明确报错，替代 ffmpeg 原始错误	优化	路径校验逻辑
2024.01.23	解决 Hubert 特征 NaN 引发的训练 ZeroDivisionError 根因	修复	GPT_SoVITS/feature_extractor/cnhubert.py
2024.01.23	中文分词由 jieba 换为 jieba_fast	优化	GPT_SoVITS/text/cleaner.py
2024.01.23	模型文件排序逻辑优化	优化	config.py 中的 custom_sort_key
2024.01.23	推理 WebUI 支持快速切换模型	功能	WebUI 下拉框刷新机制
2024.01.25	增加 Mac 训练与推理支持（PR#183、PR#200，Lion-Wu）	功能	平台适配
2024.01.26	支持中英、日英混合文本输出（PR#204，Kakaru Hayate）	功能	GPT_SoVITS/text/ 前端
2024.01.26	增加“可选切分模式”开关	功能	文本切分参数
2024.01.26	多行结尾符导致推理失败的问题修复	修复	输入清洗
2024.01.26	不支持半精度的 GPU 自动强制单精度；CPU 推理强制单精度	优化	精度自动判定逻辑（见第五节）
2024.01.28	Dockerfile 中模型下载流程补全（PR#238）	修复	Dockerfile、GPT_SoVITS/download.py
2024.01.28	数字发音被误转为汉字的问题修复（PR#257）	修复	中文前端
2024.01.28	GPT 训练 checkpoint 不保存的问题修复	修复	GPT_SoVITS/s1_train.py
2024.01.28	通过长度约束过滤不合理的参考音频	修复	数据校验
2024.01.28	句首字符被吞的问题修复	修复	推理管线
2024.01.29	16 系等半精度有问题的 GPU，训练配置改为单精度	修复	训练 yaml
2024.01.29	FunASR 升级至 1.0 并修复接口不兼容（PR#135）	修复	tools/asr/funasr_asr.py
2024.01.30	中英标点切分问题修复，句首句尾补标点	修复	前端
2024.01.30	增加按标点切分的支持	功能	前端
2024.01.30	自动去除路径输入中的双引号，避免新手复制报错	修复	输入清洗

源码佐证：2024.01.23 的“模型文件排序逻辑优化”对应 config.py 中的 custom_sort_key——用正则把文件名拆成数字/非数字段再排序，保证 s2G488k.pth 这类命名按数值序而非字典序排列；2024.01.21 的 is_share 参数在 config.py 中体现为从环境变量 is_share 解析布尔值，True 时 WebUI 映射到局域网。

三、2024.02 多语言与 DPO 训练：能力横向扩展

本月的两条主线是多语言自动处理与训练增强：

• 2024.02.03：中文-日文-英文混合文本自动切分与语言识别（Commit#3ebff70b），这是后续多语言推理能力的底座；
• 2024.02.03：集成 PaddleSpeech Normalizer（PR#377），修复 xx.xx%、元/吨（应读“元每吨”）及下划线类文本的朗读错误；
• 2024.02.07：集成 Faster Whisper 作为日/英 ASR（PR#400），与已有 FunASR（中文/粤语）形成双引擎，对应 tools/asr/fasterwhisper_asr.py 与 tools/asr/funasr_asr.py；同月日志提到“为规避 HuggingFace 连接问题改用镜像下载”；
• 2024.02.12：新增 DPO Loss 训练选项，用于抑制 GPT 的复读与跳字现象，推理 WebUI 同步增加新参数（PR#457）；
• 2024.02.15：DPO 训练由强制改为可选，启用时 batch size 自动减半；训练实验名支持中文；
• 2024.02.16：支持“不输入参考文本”的推理入口（PR#499，关联 Issue#475），显著降低无参考文本场景的使用门槛；
• 2024.02.21：数据预处理增加去噪选项（仅保留 16kHz，建议仅在高背景噪声时使用）；Mac CPU 推理弃用 MPS 改走 CPU 以提升性能（PR#557）；
• 2024.02.28：Mac CPU 推理的 is_half 检查修复（PR#573）、UVR5 混响模型参数颠倒修复（PR#610）。

此外还有 ASR 路径以 / 结尾导致的保存错误（2024.02.01）、UVR5 格式解析失败（2024.02.03）、librosa 新版本兼容（PR#403）、is_half 未做布尔转换导致的 UVR5 inf 问题（2024.02.07，16 系 GPU 高发）、Gradio 依赖问题（2024.02.07）、Windows 10 1909 + 繁体系统下 GPT 训练卡死（2024.02.08）等修复。

四、2024.03–06 推理提速与训练正确性

• 2024.03.06：无 CUDA 时 Faster Whisper 自动回退 CPU 推理（PR#675）；非中文 ASR 不再预下载 FunASR 中文模型；
• 2024.03.09：推理速度提升约 50%（PR#672，测试环境 RTX3090 + PyTorch 2.2.1 + CU11.8 + Win10 + Py39）——这是“fast_inference”工作的起点；
• 2024.03.10：快速推理分支 fast_inference 建立（PR#721）；
• 2024.03.13：支持 CPU 训练，Mac 可用 CPU 训练（PR#761）；
• 2024.03.19 / 03.30：英文前端多轮改进（PR#804/812/821）、API 格式改进（PR#894），对应 api.py；
• 2024.05.02：修复 SoVITS 训练中 VQ 未冻结导致的音质下降（PR#953，关联 Issue#747）——对训练质量是硬修复；
• 2024.05.19 / 05.27：不支持的语言在数据处理阶段给出明确报错；Hubert 推理错误修复；
• 2024.06.06：关键警告条目——修复“GPT 微调时中文 BERT 特征未读取”导致的推理不一致与质量下降，日志明确提示：若之前已用大量数据微调过，建议重新微调模型；
• 2024.06.10：纯标点 / 连续标点输入的处理逻辑改进（PR#1168/1169）；
• 2024.06.13 / 06.28 / 06.29：CPU 推理默认 batch 的小数问题、去噪/ASR 异常时后续音频全部失败的问题、多卡训练多进程注册逻辑（PR#1258/1265/1267、Commit#a208698e）相继修复；
• 2024.07.06：按标点切分时小数点被误切的修复（PR#1253）。

五、2024.07 快速推理并入主线与语速控制

• 2024.07.06（Commit#b0786f29）：加速推理代码经过验证后合并进主分支，日志保证“与基础版本推理效果一致”，且无参考文本模式下同样支持加速推理；
• 2024.07.13：i18n 扫描重排、多语言配置文件更新（PR#1294/1298）；路径末尾斜杠引发的命令行报错修复（PR#1299）；
• 2024.07.19：GPT 训练使用自定义 bucket_sampler 时训练步数不一致的修复（PR#756），对应 GPT_SoVITS/AR/data/bucket_sampler.py；
• 2024.07.23：语速调节功能加入（Commit#9588a3c5、PR#1340）：合成时可调语速，并支持“固定随机种子、仅控制语速”。该能力落在 api.py 中——请求参数与默认配置均含 speed 字段（api.py），底层实现见 TTS_infer_pack/TTS.py 的 speed_change：把 PCM 写入 ffmpeg 管道，用 atempo 滤镜变速后再解码回 NumPy 数组，即“先正常合成、后无损变速”的流水线；
• 2024.07.27：新增 BS-RoFormer 人声分离模型（PR#1306/1356），落在 tools/uvr5/bs_roformer/；中文前端继续改进（PR#1351）。

六、2024.08：V2 版本正式官宣

这是第一个大版本节点（2024.08.21 GPT-SoVITS V2 正式发布）：

• 2024.08.02（Commit#ff6c193f~Commit#de7ee7c7）：GPT-SoVITS V2 模型加入——更大的预训练底模；
• 2024.08.03：基于 FunASR 的粤语 ASR 支持（Commit#8a101474），补全粤语数据处理链路；
• 2024.08.06：多说话人（多角色）文本处理逻辑优化，仅 V2（PR#1404/987/488）；
• 2024.08.01：BS-Roformer 开启 FP16 推理；GPU 识别逻辑优化，能正确处理用户手输的 GPU 序号；
• 2024.08.13：修复“只能上传一个参考音频”的 bug，并为缺失文件增加数据集校验弹窗（PR#1422）；
• 2024.08.20：上游 LangSegment 库改用 SSML 标签优化数字、电话、日期、时间朗读（Issue#1508）；fast_inference 分支并入主干（PR#1490）；API 修复与优化（PR#1503）。

源码佐证：V2 权重目录映射已固化在 config.py 的 pretrained_sovits_name / pretrained_gpt_name 中（v2 对应 gsv-v2final-pretrained 底模），用户权重目录为 SoVITS_weights_v2 / GPT_weights_v2（见 config.py）。

七、2025.02：V3 版本与低显存训练（14GB → 12GB → 8GB）

V3 是日志中工程密度最高的版本线（2025.02.28 V3 正式发布）：

• 2025.02.11：GPT-SoVITS V3 模型加入，微调需 14GB VRAM（Commit#ed207c4b~Commit#6e2b4918）；
• 2025.02.12：梯度检查点支持，微调降至 12GB VRAM（PR#2040）；注意力计算优化（PR#2010）；
• 2025.02.23：V3 支持 LoRA 训练，8GB 显存即可微调（Commit#56509a17~Commit#514fb692），对应仓库中的 GPT_SoVITS/s2_train_v3_lora.py 与 GPT_SoVITS/s2_train_v3.py 双训练入口；
• 2025.02.23：人声/乐器分离新增 Mel Band Roformer 模型（PR#2078），落在 tools/uvr5/bs_roformer/mel_band_roformer.py；
• 2025.02.14：切换新语言切分工具，多语言混合切分策略、数字与英文处理逻辑优化（PR#2047/2062/2073）；
• 2025.02.27：新增 24kHz→48kHz 音频超分模型，缓解 V3 24K 输出的“闷”的问题（关联 Issue#2085、#2117），对应 tools/AP_BWE_main/（内含 24kto48k 权重目录）；
• 2025.02.28：语速控制参数正式进入合成链路（Commit#c38b1690、Commit#a32a2b89）；短 CJK 字符的基于规则的语言识别兜底（PR#2122）。

源码佐证：V3 底模 s1v3.ckpt / s2Gv3.pth 与 v2Pro 系列底模均登记在 config.py；V3/V4 的 mel 配置（32kHz 采样率、hop 320）见 TTS_infer_pack/TTS.py 的 mel_fn_v4。

八、2025.03–04：V3 并行推理与 V4 发布

• 2025.03.31：依赖版本问题批量修复（PyOpenJTalk、ONNX、Pydantic、PyTorch-Lightning 各自关联多个 Issue，PR#2236）；SoVITS v3 并行推理启用（PR#2241）；ONNX 运行时 GPU 推理集成修复——G2PW 的 ONNX 模型从 CPU 搬到 GPU 以消除 CPU 瓶颈，降噪模型同步支持 GPU 推理；
• 2025.04.01：v3 并行推理“解锁”+ 异步模型加载修复（Commit#6a60e5ed）；
• 2025.04.15：文档清理、Python 3.11 支持、安装脚本更新（PR#2290）；
• 2025.04.20：GPT-SoVITS V4 模型加入（Commit#e0c452f0~Commit#9d481da6）；
• 2025.04.21：V4 并行推理启用（Commit#8b394a15~Commit#bc2fe5ec、PR#2307）；
• 2025.04.22：模型版本参数传递修复（PR#2309）、NumPy/Numba 版本冲突与 librosa 版本修复（PR#2310）、Gradio 参数更新（PR#2311）；当日 V4 正式发布。

源码佐证：并行推理与流式推理的开关集中在 TTS_infer_pack/TTS.py：parallel_infer（默认 True）、streaming_mode、overlap_length、min_chunk_length、fixed_length_chunk 等参数在此统一解析，并处理“并行 + 流式 + 声码器”等组合下的互斥降级逻辑；V4 权重目录 SoVITS_weights_v4 / GPT_weights_v4 见 config.py。

九、2025.05–06：V2Pro 系列（V2Pro / V2ProPlus）

• 2025.05.26：SoVITS V3/V4 推理速度再提升约 10% 的缓存策略（PR#2377）；
• 2025.06.04：TorchScript 导出 V4 支持（PR#2417），对应 GPT_SoVITS/export_torch_script_v3v4.py；同日 V2Pro 系列模型加入（V2Pro、V2ProPlus）（Commit#b7c0c5ca~Commit#298ebb03）；
• 2025.06.05：精度自动检测逻辑优化（PR#2427）——当前实现即 config.py 的 get_device_dtype_sm：读取每张卡的 SM 版本与显存，<4GB 或 SM<5.3 回退 CPU，SM==6.1 或 16 系（SM 7.5）强制 float32，SM>6.1 才启用 float16；模块加载时据此自动计算全局 is_half（config.py）；同批还有 WebUI 折叠面板、多音字 X一X 模式检测修复（PR#2426）；
• 2025.06.09 / 06.11：ge.sum 引发的数值爆炸（静默输出）与 v2pro 下 ge 推理溢出两连修；v2pro 并行推理识别错误修复（PR#2450）；
• 2025.06.17 / 06.27：install.sh 逻辑优化（PR#2464/2482）、onnxruntime 安装时按 GPU/CPU 自动选包（PR#2489）、语言切分与格式化再优化（PR#2488）。

十、2025.07–2026.04：流式推理与长期维护

日志最后一段记录了最近的持续演进：

• 2025.07.10：提升推理进程优先级（缓解 Win11 下 GPU 占用受限）；
• 2025.07.16：修复 TTS.py 版本识别不认 v2pro/v2proPlus 的问题并更新默认配置（PR#2490）——对应 GPT_SoVITS/TTS_infer_pack/TTS.py 的 TTS_Config 默认配置表；
• 2025.07.17–18：Whisper ASR 支持更省资源的蒸馏模型（PR#2531）、TTS_Config 逻辑优化（PR#2536）、GPT loss 计算修复（PR#2537）；
• 2025.08.02：WSL + ROCm 环境修复（PR#2561）；
• 2025.11.28（集中一批重要变更）：流式推理（streaming inference） 合入（PR#2671/2678、PR#2469），仓库中配套 GPT_SoVITS/stream_v2pro.py 演示入口与 TTS.py 中的 decode_streaming 分块解码路径；数学表达式文本前端优化（PR#2636）；VQ 分布式训练支持（PR#2577）；ASR 模型下载逻辑优化（PR#2627/2679）；默认 batch size 错误修复（PR#2662）；
• 2025.12.30：采样（sampling）错误修复（PR#2703/2704）；
• 2026.02.08–09：Conda 条款导致的构建错误修复（PR#2727）、自动环境安装优化（PR#2732），对应 Docker/miniforge_install.sh、install.sh；
• 2026.04.18：G2PW 推理输入构造与多音字处理优化（长句减负，PR#2763）、Windows 单卡 v3 LoRA 训练流程改进（PR#2767）、并行推理若干错误修复（PR#2753）、DPO 训练缺失词模拟支持（PR#2733）、数据集处理报错提示增强（PR#2758）、ONNX 脚本缺失 import 修复（Commit#02425ea）。

十一、如何把更新日志对照到当前仓库

结合日志与仓库结构，读者可以用下面三条线索快速定位“某项能力现在在哪里”：

1. 版本 → 权重目录：config.py 的 pretrained_sovits_name / pretrained_gpt_name（config.py）给出 v1–v4、v2Pro、v2ProPlus 的底模路径，SoVITS_weight_version2root / GPT_weight_version2root 给出用户权重目录命名（SoVITS_weights_v3、GPT_weights_v2Pro 等），与日志中各版本发布条目一一对应；
2. 能力 → 入口文件：语速控制看 api.py 的 speed 参数与 TTS.py 的 speed_change（ffmpeg atempo 实现）；并行/流式推理看 TTS.py 的 parallel_infer / streaming_mode 参数组；流式演示看 GPT_SoVITS/stream_v2pro.py；ASR 双引擎看 tools/asr/funasr_asr.py 与 tools/asr/fasterwhisper_asr.py；人声分离看 tools/uvr5/（BS-RoFormer、Mel Band Roformer）；24K→48K 超分看 tools/AP_BWE_main/；LoRA 训练看 GPT_SoVITS/s2_train_v3_lora.py；
3. 环境 → 自动判定：精度（is_half）、GPU 选择、WebUI 端口（主 WebUI 9874、UVR5 9873、推理 9872、附属工具 9871、API 9880）均由 config.py 统一计算，与日志中 2024.01/2024.08/2025.06 关于“半精度强制、GPU 索引处理、精度自动检测”的条目直接对应。

适用前提与限制：以上版本与参数均以当前仓库实际内容为准——例如 V3 微调 14GB / 检查点 12GB / LoRA 8GB 的显存门槛来自日志条目描述，实际占用随数据与 batch 配置浮动；speed 语速调节依赖系统 ffmpeg；粤语 ASR 依赖 FunASR 模型下载成功。若你在升级模型版本（v1→v2→v3→v4）时遇到行为差异，可优先回到 Changelog_TR.md（或同目录其他语言的对应版本）按日期检索相关条目，并对照 config.py 中登记的权重路径确认底模版本是否匹配。