GPT-SoVITS 更新日志全景解析：V1 到 V4、V2Pro 版本演进与技术脉络的源码级解读

本文基于仓库内的官方中文更新日志 Changelog_CN.md，完整梳理 GPT-SoVITS 从 2024 年初到 2026 年的全部变更条目，并逐条结合当前仓库源码（如 config.py、TTS.py、api_v2.py、s2_train_v3_lora.py）验证条目中提到的模型版本、训练选项与推理参数在代码中的真实落点。读完后，你将掌握 GPT-SoVITS 各版本模型（V1/V2/V3/V4/V2Pro/V2ProPlus）的发布脉络、训练显存要求、设备适配逻辑（16 系显卡、macOS、CPU）、流式推理参数与排查问题的方法，并能直接把更新日志当作"特性考古"与版本选型的第一手依据。

一、这份更新日志的定位与阅读方法

Changelog_CN.md 是 GPT-SoVITS 项目的官方变更清单，按"年月"分节（如 202401、202408 (V2 版本)、202502 (V3 版本)、202506 (V2Pro 系列)、202504 (V4 版本)），每条记录固定包含三类字段：

• 日期与提交标识：精确到某次 PR（如 PR#108）或 Commit（如 Commit#7b89c9ed），便于在版本历史中回溯具体 diff；
• 内容：一句话描述改动本身（新功能/修复/优化的对象与效果）；
• 类型：新功能、修复、优化、性能优化、文档、重构、风格、杂项 等标签；
• 提交：贡献者署名；部分条目还带 关联 字段，指向触发该修复的 Issue 编号（如 Issue#79）。

阅读建议：先读"二、版本里程碑时间线"建立版本坐标，再在"三、逐月变更记录"中按需定位条目，最后用"四、核心技术脉络的源码级印证"把日志条目映射到当前仓库的具体文件与代码行。

二、版本里程碑时间线

更新日志中用加粗标注了几个关键版本节点，汇总如下（显存要求以日志原文为准）：

版本	首次新增（Commit）	正式发布	训练显存要求	日志条目时间
V2	2024.08.02	2024.08.21	—	202408 节
V3	2025.02.11	2025.02.28	微调需 14G 显存；开启梯度检查点后 12G；LoRA 训练 8G	202502 节
V4	2025.04.20	2025.04.22	—	202504 节
V2Pro 系列	2025.06.04	2025.06	—	202506 节

与版本配套的能力也在日志中有明确记载：V3 于 2025.02.23 支持 LoRA 训练（8G 显存）、2025.02.27 支持 24KHz 转 48kHz 音频超分模型缓解"闷"的问题、2025.03.31 适配并行推理、2025.04.21 适配 V4 并行推理；V2Pro 于 2025.07.16 修复了 TTS.py 无法识别 v2Pro/v2ProPlus 版本的传参问题，2025.06.11 修复了并行推理对 v2pro 的支持 bug。

三、逐月变更记录（完整继承自更新日志）

以下条目内容、类型、提交者与关联 Issue 均继承自 Changelog_CN.md 原文，仅去除了外部提交链接（可凭 PR/Commit 编号在项目版本历史中检索）。

3.1 202401

• 2024.01.21 WebUI 增加英文系统英文翻译适配（文档，D3lik，PR#108）。
• 2024.01.21 尝试修复 SoVITS 训练报错 ZeroDivisionError 的问题（修复，RVC-Boss、Tybost，Commit#7b89c9ed，关联 Issue#79）。
• 2024.01.21 大幅削弱合成音频包含参考音频结尾的问题（优化，RVC-Boss，Commit#ea62d6e0）。
• 2024.01.21 cmd-asr.py 添加判断默认目录内是否存在模型，如不存在则从 ModelScope 自动下载（新功能，RVC-Boss，Commit#a87ad522）。
• 2024.01.21 Config.py 添加 is_share 参数，如 Colab 等场景可以将此改为 True 将 WebUI 映射到公网（新功能，RVC-Boss，Commit#f6147116）。
• 2024.01.21 清理 TEMP 文件夹内缓存、音频等文件（优化，RVC-Boss，Commit#102d5081）。
• 2024.01.22 修复过短输出文件返回重复参考音频的问题（修复，RVC-Boss，Commit#872134c8）。
• 2024.01.22 经测试，英文日文训练原生支持（日文训练需要根目录不含非英文等特殊字符）。
• 2024.01.22 音频路径检查：尝试读取错误路径时报错"路径不存在"，而非 FFmpeg 错误（优化，xmimu，PR#124）。
• 2024.01.23 解决 HuBERT 提取 NaN 导致 SoVITS/GPT 训练报错 ZeroDivisionError 的问题（修复，RVC-Boss，Commit#93c47cd9）。
• 2024.01.23 中文分词使用 jieba_fast 代替 jieba（优化，RVC-Boss，Commit#80fffb0a）。
• 2024.01.23 优化模型文件排序逻辑（优化，RVC-Boss，Commit#63625758）。
• 2024.01.23 支持推理界面快速切换模型（新功能，RVC-Boss，Commit#0c691191）。
• 2024.01.25 去除推理界面大量冗余日志（优化，RVC-Boss，Commit#249561e5）。
• 2024.01.25 支持 MacOS MPS 训练推理（新功能，Lion-Wu，PR#183、PR#200）。
• 2024.01.26 修复 UVR5 读取到目录自动跳出的问题（修复，RVC-Boss，Commit#813cf96e、Commit#2d1ddeca）。
• 2024.01.26 支持输出文本中英混合、日英混合（新功能，Kakaru Hayate，PR#204）。
• 2024.01.26 输出可选切分模式（新功能，RVC-Boss，Commit#f4148cf7）。
• 2024.01.26 修复多个换行导致推理报错（修复，RVC-Boss，Commit#9fe955c1）。
• 2024.01.26 自动识别不支持半精度的卡强制单精度，CPU 推理下强制单精度（优化，RVC-Boss，Commit#84ee4719）。
• 2024.01.28 完善 Dockerfile 下载模型流程（修复，breakstring，PR#238）。
• 2024.01.28 修复数字转汉字念法问题（修复，duliangang，PR#257）。
• 2024.01.28 修复 GPT 训练不保存权重文件的问题（修复，RVC-Boss，Commit#f0cfe397）。
• 2024.01.28 排除不合理的参考音频长度（优化，RVC-Boss，Commit#b8ae5a27）。
• 2024.01.28 修复句首少量字容易吞字的问题（修复，RVC-Boss，Commit#698e9655）。
• 2024.01.29 对于 16 系等半精度训练存在问题的显卡，把训练配置改为单精度训练（修复，RVC-Boss，Commit#ff977a5f）。
• 2024.01.29 测试更新可用的 Colab 版本（新功能，RVC-Boss，Commit#172e139f）。
• 2024.01.29 更新 FunASR 为 1.0 版本并修复接口不对齐导致的报错问题（修复，LauraGPT，PR#135）。
• 2024.01.30 修复中文标点切割问题和句首句尾补标点的问题（修复，RVC-Boss，Commit#1c2fa98c）。
• 2024.01.30 增加按标点符号切分（新功能，RVC-Boss，Commit#74409f35）。
• 2024.01.30 所有涉及路径的位置自动去除双引号，解决复制路径带双引号时报错的问题（修复，RVC-Boss，Commit#c42eeccf）。

3.2 202402

• 2024.02.01 修复 ASR 路径尾缀带有 / 时保存文件名报错的问题（修复，RVC-Boss，Commit#45f73519）。
• 2024.02.03 修复 UVR5 读取格式错误导致分离失败的问题（修复，RVC-Boss，Commit#dba1a74c）。
• 2024.02.03 支持中日英混合多种语言文本自动切分识别语种（优化，RVC-Boss，Commit#3ebff70b）。
• 2024.02.03 引入 PaddleSpeech 的文本规范化，修复 xx.xx%（带百分号类）、"元/吨"会读成"元吨"而不是"元每吨"、下划线不再报错等问题（优化，KamioRinn，PR#377）。
• 2024.02.05 优化英语文本前端（优化，KamioRinn，PR#395）。
• 2024.02.06 修正语种传参混乱导致中文推理效果下降（修复，RVC-Boss，Commit#65b463a7，关联 Issue#391）。
• 2024.02.06 UVR5 适配更高版本的 Librosa（修复，StaryLan，PR#403）。
• 2024.02.07 修复 UVR5 inf everywhere 报错（is_half 传参未转换布尔类型导致恒定半精度推理，16 系显卡会 inf）（修复，RVC-Boss，Commit#14a28510）。
• 2024.02.07 修复 Gradio 依赖（修复，RVC-Boss，Commit#d74f888e）。
• 2024.02.07 集成 Faster Whisper 实现对日语英语的语音识别（新功能，Shadow，PR#400）。
• 2024.02.07 支持三连根目录留空自动读取 .list 全路径（优化，RVC-Boss，Commit#6469048d~Commit#94ee71d9）。
• 2024.02.08 修复 GPT 训练卡死（win10 1909）和系统语言繁体 GPT 训练报错（修复，RVC-Boss，Commit#59f35ada，关联 Issue#232）。
• 2024.02.12 添加 DPO 损失实验性训练选项，通过构造负样本训练缓解 GPT 重复漏字问题，推理界面开放数个推理参数（新功能，liufenghua，PR#457）。
• 2024.02.12 优化语音识别部分逻辑，Faster Whisper 转镜像站下载，规避 HuggingFace 连接不上的问题（优化，RVC-Boss，Commit#2fa74ecb、Commit#d82f6bbb）。
• 2024.02.15 训练支持中文实验名称（修复，RVC-Boss，Commit#dd2c4d6d）。
• 2024.02.15 DPO 训练修改为可选项而非必选项，若勾选则 Batch Size 自动减半，修复推理界面新参数不传参的问题（优化，RVC-Boss，Commit#ccb9b08b~Commit#895fde46）。
• 2024.02.15 修复中文文本前端错误（修复，RVC-Boss，Commit#7b0c3c67）。
• 2024.02.16 支持无参考文本输入（新功能，Watchtower-Liu，PR#499，关联 Issue#475）。
• 2024.02.17 优化中文日文前端处理（优化，KamioRinn、v3cun，PR#509、PR#507、PR#532、PR#556、PR#559）。
• 2024.02.17 修复 Colab 不开启公网 URL 的问题（修复，ChanningWang2018、RVC-Boss，PR#510、PR#511）。
• 2024.02.21 MacOS 推理设备从 MPS 改为 CPU（CPU 推理更快）（优化，XXXXRT666，PR#557）。
• 2024.02.21 数据预处理添加语音降噪选项（降噪为只剩 16K 采样率，除非底噪很大否则不急使用）（新功能，RVC-Boss，Commit#6da486c1、Commit#5a171773）。
• 2024.02.28 修改 is_half 的判断让 MacOS 能正常 CPU 推理（修复，XXXXRT666，PR#573）。
• 2024.02.28 修复 UVR5 MDXNet 参数顺序错误导致输出文件夹相反（修复，Yuze Wang，PR#610）。

3.3 202403

• 2024.03.06 Faster Whisper 在没有 CUDA 可用时自动使用 CPU 推理（优化，ShiroDoMain，PR#675）。
• 2024.03.06 使用 Faster Whisper 进行非中文语音识别时不再需要先下载 FunASR 模型（优化，RVC-Boss，Commit#616be20d）。
• 2024.03.09 加速推理 50%（RTX3090 + PyTorch2.2.1 + Cuda11.8 + Win10 + Py39 已测试）（优化，GoHomeToMacDonal，PR#672）。
• 2024.03.10 新增 fast_inference_ 快速推理分支（新功能，ChasonJiang，PR#721）。
• 2024.03.13 支持 CPU 训练，在 MacOS 上使用 CPU 训练（新功能，Lion-Wu，PR#761）。
• 2024.03.19 优化英文 G2P 文本前端（优化，KamioRinn，PR#804、PR#812、PR#821）。
• 2024.03.30 API 格式优化（优化，KamioRinn，PR#894）。

3.4 202404

• 2024.04.03 修复 UVR5 WebUI 调用 FFmpeg 时字符串格式（修复，StaryLan，PR#917）。

3.5 202405

• 2024.05.02 修复 SoVITS 训练未冻结 VQ 的问题（可能造成效果下降）（修复，hcwu1993，PR#953，关联 Issue#747）。
• 2024.05.19 添加训练数据预处理阶段不支持的语言提示（优化，StaryLan，PR#1102）。
• 2024.05.27 修复提取 HuBERT 特征 NaN 失败自动转 FP32 出现的错误（修复，XXXXRT666，PR#1132）。

3.6 202406

• 2024.06.06 修复 WebUI 进行 GPT 中文微调时未读取 BERT 特征导致和推理不一致、大量训练可能导致效果变差的问题；若已使用大量数据微调，建议重新微调模型得到质量优化（修复，RVC-Boss，Commit#99f09c8b）。
• 2024.06.07 修复 S2 训练进度条逻辑（修复，pengzhendong，PR#1159）。
• 2024.06.10 修复 UVR5 MDXNet 调用 FFmpeg 时字符串格式，兼容带空格路径（修复，RVC-Boss，Commit#501a74ae）。
• 2024.06.10 完善纯标点、多标点文本输入的判断逻辑（修复，XXXXRT666，PR#1168、PR#1169，关联 Issue#1165）。
• 2024.06.13 修正 CPU 推理时默认 Batch Size 为小数的问题（修复，RVC-Boss，Commit#db506705）。
• 2024.06.28 修复降噪、识别时遇到异常跳出所有需处理的音频文件的问题（修复，XXXXRT666，PR#1258、PR#1265、PR#1267）。
• 2024.06.29 多卡训练多进程保存逻辑修复（修复，RVC-Boss，Commit#a208698e）。
• 2024.06.29 移除冗余 my_utils.py（优化，aoguai，PR#1251，关联 Issue#1189）。

3.7 202407

• 2024.07.06 修复按标点符号切分时小数会被切分（修复，aoguai，PR#1253）。
• 2024.07.06 验证倍速推理代码结果和原本一致，合并到 main 分支，支持无参考文本模式（优化，RVC-Boss、GoHomeToMacDonal，Commit#b0786f29，关联 PR#672）；后续逐渐验证快速推理分支的推理改动的一致性。
• 2024.07.13 重构 i18n 扫描并更新多语言配置文件（文档，StaryLan，PR#1294、PR#1298）。
• 2024.07.13 修复用户打文件及路径在结尾添加 / 会导致命令行报错的问题（修复，XXXXRT666，PR#1299）。
• 2024.07.19 修复训练 GPT 时采用自定义 bucket_sampler 导致步数不一致的问题（修复，huangxu1991，PR#756）。
• 2024.07.23 支持合成语速调节，支持冻结随机性只调节语速，并将其更新到 api.py 上（新功能，RVC-Boss、红血球AE3803，Commit#9588a3c5、PR#1340）。
• 2024.07.27 增加 BS-Roformer 人声伴奏分离模型支持（新功能，KamioRinn，PR#1306、PR#1356）。
• 2024.07.27 更好的中文文本前端（新功能，KamioRinn，PR#1351）。

3.8 202408（V2 版本）

• 2024.08.01 添加自动填充下一步文件路径的功能（杂项，XXXXRT666，PR#1355）。
• 2024.08.01 支持 BS-Roformer 的 FP16 推理（性能优化，RVC-Boss，Commit#e62e9653）。
• 2024.08.01 增加用户友好逻辑，对用户随意输入的显卡序号也能正常运行（杂项，RVC-Boss，Commit#bce451a2、Commit#4c8b7612）。
• 2024.08.02 新增 GPT-SoVITS V2 模型（新功能，RVC-Boss，Commit#ff6c193f~Commit#de7ee7c7）。
• 2024.08.03 增加粤语 FunASR 支持（新功能，RVC-Boss，Commit#8a101474）。
• 2024.08.03 优化界面、优化计时逻辑（杂项，XXXXRT666，PR#1387、PR#1388）。
• 2024.08.06 优化多音字逻辑（V2 版本特供）（修复、新功能，KamioRinn、RVC-Boss，PR#1404、PR#987、PR#488）。
• 2024.08.13 修复参考音频混合只能上传一条的错误，添加数据集检查、缺失会弹出警告窗口（修复、杂项，XXXXRT666，PR#1422）。
• 2024.08.20 上游 LangSegment 库支持通过 SSML 标签优化数字、电话、时间日期等（新功能，juntaosun，Issue#1508）。
• 2024.08.20 修复并优化 API（修复，KamioRinn，PR#1503）。
• 2024.08.20 合并 fast_inference 分支（重构，ChasonJiang，PR#1490）。
• 2024.08.21 正式发布 GPT-SoVITS V2 版本。

3.9 202502（V3 版本）

• 2025.02.11 新增 GPT-SoVITS V3 模型，需要 14G 显存进行微调（新功能，RVC-Boss，Commit#ed207c4b~Commit#6e2b4918；特性参阅项目 Wiki）。
• 2025.02.12 更新项目多语言文档（文档，StaryLan，PR#2032）；同日更新日语文档（文档，Fyphen，PR#2033）。
• 2025.02.12 优化注意力计算逻辑（性能优化，wzy3650，PR#2010）。
• 2025.02.12 微调添加梯度检查点支持，需要 12G 显存进行微调（新功能，Kakaru Hayate，PR#2040）。
• 2025.02.14 切换新的语言分割工具，优化多语种混合文本切分策略，优化文本里的数字和英文处理逻辑（新功能，KamioRinn，PR#2047、PR#2062、PR#2073）。
• 2025.02.23 GPT-SoVITS V3 模型支持 LoRA 训练，需要 8G 显存进行微调（新功能，RVC-Boss，Commit#56509a17~Commit#514fb692）。
• 2025.02.23 人声背景音分离增加 Mel Band Roformer 模型支持（新功能，Sucial，PR#2078）。
• 2025.02.26 修复中文路径下 Mecab 的报错（具体表现为日文韩文、文本混合语种切分可能会遇到的报错）（修复，KamioRinn，PR#2112、PR#2114）。
• 2025.02.27 支持使用 24KHz 转 48kHz 的音频超分模型，缓解 V3 模型生成音频感觉闷的问题（新功能，RVC-Boss，Commit#92961c3f~Commit#250b1c73，关联 Issue#2085、Issue#2117）。
• 2025.02.28 更新项目多语言文档（文档，StaryLan，PR#2123）；同日对模型无法判断的 CJK 短字符采用规则判断（修复，KamioRinn，PR#2122，关联 Issue#2116）。
• 2025.02.28 增加语速传参以支持调整合成语速（修复，RVC-Boss，Commit#c38b1690、Commit#a32a2b89）。
• 2025.02.28 正式发布 GPT-SoVITS V3。

3.10 202503

• 2025.03.31 修复一批由依赖的库版本不对导致的问题（修复，XXXXRT666，PR#2236；关联 PyOpenJTalk 的 Issue#1131/2231/2233、ONNX 的 Issue#492/671/1192/1819/1841、Pydantic 的 Issue#2230/2239、PyTorch-Lightning 的 Issue#2174）。
• 2025.03.31 为 SoVITS v3 适配并行推理（新功能，ChasonJiang，PR#2241）。
• 修复其他若干错误。
• 2025.03 整合包修复 onnxruntime GPU 推理的支持：G2PW 内的 ONNX 模型由 CPU 推理换为 GPU，显著降低推理的 CPU 瓶颈；去混响模型现在可使用 GPU 推理（修复）。

3.11 202504（V4 版本）

• 2025.04.01 解锁 SoVITS v3 并行推理，修复模型加载异步逻辑（修复，RVC-Boss，Commit#6a60e5ed）。
• 2025.04.07 Ruff 格式化代码、更新 G2PW 链接（风格，XXXXRT666，PR#2255）。
• 2025.04.15 清理文档，支持 Python 3.11，更新安装文件（杂项，XXXXRT666，PR#2290）。
• 2025.04.20 更新 Colab、安装文件和模型下载（杂项，XXXXRT666，PR#2300）。
• 2025.04.20 新增 GPT-SoVITS V4 模型（新功能，RVC-Boss，Commit#e0c452f0~Commit#9d481da6）。
• 2025.04.21 适配 V4 并行推理（新功能，RVC-Boss、ChasonJiang，Commit#8b394a15~Commit#bc2fe5ec、PR#2307）。
• 2025.04.22 修复模型版本传参（修复，RVC-Boss、ChasonJiang，Commit#7405427a~Commit#590c83d7、PR#2309）；同日修复 Numpy 与 Numba 版本不匹配问题、更新 librosa 版本（修复，RVC-Boss、XXXXRT666，Commit#fbdab94e、PR#2310，关联 Issue#2308）。
• 2025.04.22 正式发布 GPT-SoVITS V4（原文日志此处写作"2024.04.22"，结合上下文 Commit 日期应为 2025.04.22）。
• 2025.04.22 更新 Gradio 参数（杂项，XXXXRT666，PR#2311）。
• 2025.04.25 完善 Colab/Kaggle Notebook 脚本（杂项，XXXXRT666，PR#2322）。

3.12 202505

• 2025.05.26 完善 Docker、Windows 自动构建脚本、Pre-Commit 格式化（杂项，XXXXRT666，PR#2351）；同日优化混合语种切分识别逻辑（修复，KamioRinn，PR#2408，关联 Issue#2404）；同日通过缓存策略使 SoVITS V3/V4 推理提速 10%（性能优化，Kakaru Hayate，PR#2377）；同日更新标注界面，增加"标注完每一页都要点击 Submit Text 否则修改无效"的友情提示（修复，RVC-Boss，Commit#4d9d56b1、Commit#8c705784、Commit#fafe4e7f）。
• 2025.05.29 修复 UVR5 和 ONNX 去混响模型使用 FFmpeg 编码 MP3 和 M4A、原路径带空格时的错误（修复，RVC-Boss，Commit#1934fc1e）。

3.13 202506（V2Pro 系列）

• 2025.06.03 更新项目多语言文档（文档，StaryLan，PR#2420）。
• 2025.06.04 支持 torchscript 导出 V4 模型（新功能，L-jasmine，PR#2417）；同日新增 GPT-SoVITS V2Pro 系列模型（新功能，RVC-Boss，Commit#b7c0c5ca~Commit#298ebb03）。
• 2025.06.05 config/inference_webui 初始化错误修复（修复，StaryLan，PR#2426）；同日优化精度自动检测逻辑、给 WebUI 前端界面模块增加折叠功能（新功能，XXXXRT666、RVC-Boss，PR#2427、Commit#7d70852a、PR#2434）；同日 X一X 型多音字判断修复（修复，wzy3650，PR#2427）；同日配置修复、sovits 模型读取修复（修复，wzy3650，PR#2439）。
• 2025.06.09 修复 ge.sum 数值可能爆炸导致推理无声的问题（修复，RVC-Boss，Commit#8056efe4）。
• 2025.06.10 修复实验名结尾出现空格在 win 中路径不正确的问题（修复，RVC-Boss，Commit#2c0436b9）；同日语种分割优化（优化，KamioRinn，PR#2449）。
• 2025.06.11 修复并行推理对 v2pro 支持 bug（修复，YYuX-1145，PR#2450）；同日 v2pro 对 ge 提取时数值溢出的问题修复（修复，RVC-Boss，Commit#ed89a023）。
• 2025.06.17 install.sh 逻辑优化（优化，XXXXRT666，PR#2464、PR#2482）。
• 2025.06.27 onnxruntime 加载逻辑优化（对 gpu/cpu 的判断）（优化，KamioRinn，PR#2489）；同日语言分割及格式化优化（优化，KamioRinn，PR#2488）。

3.14 202507

• 2025.07.10 提升推理进程优先级（修复 win11 下可能 GPU 利用率受限的问题）（优化，XianYue0125，Commit#426e1a2bb）。
• 2025.07.16 解决 TTS.py 无法识别真正支持版本 v2Pro、v2ProPlus 的问题，同时更新一版默认配置（修复，jiangsier-xyz，PR#2490）；同日修复并行推理模式下 v2pro 模型识别问题（修复，RVC-Boss，Commit#4d8ebf85）。
• 2025.07.17 whisper asr 支持性价比更高的 distill 模型（优化，XXXXRT666，PR#2531）。
• 2025.07.18 优化 TTS_Config 的代码逻辑（优化，ChasonJiang，PR#2536）；同日修复 gpt 的 loss 计算问题（修复，ChasonJiang，PR#2537）。

3.15 202508

• 2025.08.02 WSL Rocm（修复，XXXXRT666，PR#2561）。

3.16 202509

• 2025.09.10 修复环境变量可能不为 str 的问题（修复，RVC-Boss，Commit#11aa78bd）。

3.17 202511

• 2025.11.28 流式推理（新功能，ChasonJiang，PR#2671、PR#2678）；同日数学计算文本前端逻辑优化（优化，KamioRinn，PR#2636）；同日流式推理（新功能，L-jasmine，PR#2469）；同日支持 vq 分布式训练（优化，wzy3650，PR#2577）；同日 ASR 模型下载逻辑优化（优化，XXXXRT666，PR#2627、PR#2679）；同日 default batch size bug 修复（修复，Spr-Aachen，PR#2662）。

3.18 202512

• 2025.12.30 修复采样错误（修复，ChasonJiang，PR#2703、PR#2704）。

3.19 202602

• 2026.02.08 修复 Conda 条款未同意导致的构建失败（修复，Oarora，PR#2727）。
• 2026.02.09 环境自动构建优化（优化，XXXXRT666，PR#2732）。

3.20 202604

• 2026.04.18 优化 G2PW 的推理输入构造与多音字处理流程，减少重复计算，降低长句场景下的推理开销（优化，baicai-1145，PR#2763）；同日改进 Windows 单卡 v3 LoRA 训练流程（优化，2409324124，PR#2767）；同日修复多个模块中的独立 bug（修复，wishhyt，PR#2755）；同日添加数据集的错误处理提示（优化，mushroomcowisheggs，PR#2758）；同日并行推理部分 bug 修复（修复，wishhyt，PR#2753）；同日 bug 修复：DPO 训练不支持漏字模拟（修复，Mr-Neutr0n，PR#2733）；同日修复 onnx 脚本未导入 Optional 等的问题（修复，RVC-Boss，Commit#02425ea）。

四、核心技术脉络的源码级印证

上面的日志条目按时间排列，而这一节把其中的关键能力"对号入座"到当前仓库的源码与配置文件，帮助读者验证每条变更记录的真实落点。

4.1 模型版本体系：V1～V4、V2Pro 系列的权重与预训练底模

日志中 202408（V2）、202502（V3）、202504（V4）、202506（V2Pro 系列）四个版本节点，在 config.py 中体现为两套完整的版本化预训练权重映射：

pretrained_sovits_name = {
    "v1": "GPT_SoVITS/pretrained_models/s2G488k.pth",
    "v2": "GPT_SoVITS/pretrained_models/gsv-v2final-pretrained/s2G2333k.pth",
    "v3": "GPT_SoVITS/pretrained_models/s2Gv3.pth",
    "v4": "GPT_SoVITS/pretrained_models/gsv-v4-pretrained/s2Gv4.pth",
    "v2Pro": "GPT_SoVITS/pretrained_models/v2Pro/s2Gv2Pro.pth",
    "v2ProPlus": "GPT_SoVITS/pretrained_models/v2Pro/s2Gv2ProPlus.pth",
}

同时 config.py 中 SoVITS_weight_root 与 GPT_weight_root 分别维护了 SoVITS_weights/GPT_weights 以及 _v2、_v3、_v4、_v2Pro、_v2ProPlus 六个权重根目录，get_weights_names() 用 custom_sort_key（config.py）对模型文件做自然排序——这正是 2024.01.23 "优化模型文件排序逻辑" 条目的当前形态。推理端的版本合法性校验见 TTS.py：

assert self.version in ["v1", "v2", "v3", "v4", "v2Pro", "v2ProPlus"], "Invalid version!"

这与 2025.07.16 "解决 TTS.py 无法识别真正支持版本 v2Pro、v2ProPlus 的问题" 条目互为印证：当前代码已把 v2Pro/v2ProPlus 纳入合法版本集合，且 TTS.py 为 v2ProPlus 单独维护了模型配置（如 vits_weights_path、特征帧率 486 等）。V2Pro 系列的推理配置也可在 s2v2Pro.json 与 s2v2ProPlus.json 中查看。

4.2 文本前端：多语种切分与 G2P 的持续演进

日志中 2024.01.22（英日原生训练）、2024.01.26（中英/日英混合输出）、2024.02.03（中日英混合自动切分）、2025.02.14（切换新的语言分割工具）、2025.02.26（Mecab 中文路径报错修复）、2026.04.18（G2PW 推理输入构造优化）等条目，对应的仓库实现集中在 GPT_SoVITS/text/ 目录：chinese.py、chinese2.py、english.py、japanese.py、korean.py、cantonese.py、cleaner.py（语种分派入口）、tone_sandhi.py（中文变调）、g2pw/（中文 G2P 与 ONNX 推理接口）、LangSegmenter/（多语种混排切分）。其中 g2pw/onnx_api.py 承载了 2025.03.31 "G2PW 内 ONNX 模型由 CPU 推理换为 GPU" 所指向的推理路径；2024.02.03 引入 PaddleSpeech 文本规范化的条目则对应 en_normalization/ 目录（expend.py 扩展了规范化规则）。2025.02.28 "对模型无法判断的 CJK 短字符采用规则判断" 属于语言分割策略层，从源码结构看落在 LangSegmenter/langsegmenter.py 的切分兜底逻辑中。

4.3 推理性能：半精度自适应、并行推理与流式推理

半精度/设备自适应。 2024.01.26 "自动识别不支持半精度的卡强制单精度"、2024.01.29 "16 系显卡改单精度训练" 两条记录，在 config.py 的 get_device_dtype_sm() 中有完整落地：

is_16_series = bool(re.search(r"16\d{2}", name)) and sm_version == 7.5
if mem_gb < 4 or sm_version < 5.3:
    return cpu, torch.float32, 0.0, 0.0
if sm_version == 6.1 or is_16_series == True:
    return cuda, torch.float32, sm_version, mem_gb
if sm_version > 6.1:
    return cuda, torch.float16, sm_version, mem_gb

即：显存小于 4G、SM 版本低于 5.3 回退 CPU 单精度；6.1（Pascal）与 16 系（Turing，正则 16\d{2} 匹配卡名）强制 CUDA 单精度，其余走 FP16。模块加载时 is_half 还会依据所有设备中被选中的 dtype 再校准一次（config.py），这与 2024.02.28 "修改 is_half 的判断让 MacOS 能正常 CPU 推理" 一致。is_half/is_share 均可通过同名环境变量覆盖（config.py），后者即 2024.01.21 为 Colab 场景加入的公网映射开关。

并行推理。 2025.03.31 "为 SoVITS v3 适配并行推理"、2025.04.01 "解锁 SoVITS v3 并行推理、修复模型加载异步逻辑"、2025.04.21 "适配 V4 并行推理" 三条记录，在 TTS.py 中体现为 parallel_infer 配置项与按版本分派的合成分支（use_vocoder and parallel_infer 等判断，见 TTS.py）；2025.05.26 "通过缓存策略使 SoVITS V3/V4 推理提速 10%" 则属于该路径上的进一步性能优化。

流式推理。 2025.11.28 三条流式推理条目（PR#2671、PR#2678、PR#2469）在当前 API 层的形态见 api_v2.py 的请求参数说明：

"streaming_mode": False,      # 0/False: Disabled | 1/True: Best Quality, Slowest
                              # 2: Medium Quality, Slow response speed
                              # 3: Lower Quality, Faster response speed
"overlap_length": 2,          # int. overlap length of semantic tokens for streaming mode.
"min_chunk_length": 16,       # int. The minimum chunk length of semantic tokens
                              # for streaming mode. (affects audio chunk size)

api_v2.py 中 streaming_mode 支持 0/1/2/3（int）与 true/false（bool）两种写法，并在流式响应中使用 StreamingResponse 分块返回音频。

语速调节。 2024.07.23 "支持合成语速调节" 与 2025.02.28 "增加语速传参" 两条记录对应 TTS.py 的 speed_factor 入参（默认 1.0），当 speed_factor != 1.0 时会禁用分桶并调整上采样率（TTS.py），且按 25Hz/非 25Hz 语义帧率走不同的换算分支。

4.4 训练体系：DPO、梯度检查点与 LoRA

• DPO 损失选项：2024.02.12 引入、2024.02.15 改为可选项（勾选后 Batch Size 自动减半）的 DPO 实验性训练，其开关在当前数据侧的落点是 data_module.py：if self.config["train"].get("if_dpo", False) is True 时启用负样本构造的数据加载分支；2026.04.18 "DPO 训练不支持漏字模拟" 的修复则进一步约束了 DPO 路径下的采样模拟行为。
• 梯度检查点：2025.02.12 "微调添加梯度检查点支持，需要 12G 显存进行微调" 对应 V3 微调链路 s1_train.py 中保存/裁剪 checkpoint 的自定义回调逻辑（s1_train.py 的 _save_topk_checkpoint / _save_last_checkpoint），与 2024.01.28 "修复 GPT 训练不保存权重文件的问题" 属于同一条训练保存链路。
• LoRA 训练：2025.02.23 "V3 模型支持 LoRA 训练，需要 8G 显存" 的实现是独立的 s2_train_v3_lora.py，其中使用 peft 的 LoraConfig（r=lora_rank、lora_alpha=lora_rank、init_lora_weights=True）只作用于 CFM 子模块（net_g.cfm = get_peft_model(net_g.cfm, lora_config)，s2_train_v3_lora.py），权重按 logs_s2_{version}_lora_{rank} 目录保存（s2_train_v3_lora.py），即日志中"8G 显存微调"的实际载体；2026.04.18 "改进 Windows 单卡 v3 LoRA 训练流程" 继续针对该脚本做平台适配。
• 其他训练修复：2024.07.19 bucket_sampler 步数不一致修复对应 AR/data/bucket_sampler.py；2024.05.02 "SoVITS 训练未冻结 VQ" 修复对应 S2 训练主脚本 s2_train_v3.py 的参数组冻结逻辑；2024.06.29 "多卡训练多进程保存逻辑修复" 与 ddp_utils.py 的分布式工具相关。

4.5 ASR、数据预处理与音频分离

• ASR 双引擎：日志中 2024.02.07 集成 Faster Whisper（日/英）、2024.08.03 增加粤语 FunASR、2025.07.17 whisper 支持 distill 模型，对应仓库 tools/asr/fasterwhisper_asr.py 与 tools/asr/funasr_asr.py 两个实现；2024.01.21 "模型不存在则从 ModelScope 自动下载" 与 2025.11.28 "ASR 模型下载逻辑优化" 均是下载链路的持续修复。
• 三连预处理：2024.02.07 "三连根目录留空自动读取 .list 全路径" 的"三连"指 prepare_datasets/ 下的三步脚本：1-get-text.py（文本）、2-get-hubert-wav32k.py（HuBERT 特征）、2-get-sv.py（说话人向量）、3-get-semantic.py（语义特征）；2024.02.21 的"降噪选项"、2024.06.28 的"降噪/识别异常跳过单个文件而非整体中断" 都作用于这一预处理阶段。
• 人声分离与音频增强：2024.07.27 增加 BS-Roformer、2025.02.23 增加 Mel Band Roformer，对应 tools/uvr5/bs_roformer/ 下的 bs_roformer.py、mel_band_roformer.py；2025.02.27 的 24KHz→48kHz 超分模型落在 tools/AP_BWE_main/（含 24kto48k/ 权重目录、models/model.py），入口封装在 tools/audio_sr.py；UVR5 系列的 FFmpeg 空格路径修复（2024.04.03、2024.06.10、2025.05.29）与 MDXNet 参数顺序修复（2024.02.28）则对应 tools/uvr5/ 与 mdxnet.py。

4.6 部署与工程化

日志中贯穿的工程类条目，在当前仓库中均有实体：Docker 链路对应 Dockerfile、docker_build.sh、docker-compose.yaml 与 Docker/ 下的安装脚本（2026.02.08 "修复 Conda 条款未同意导致的构建失败"、2026.02.09 "环境自动构建优化" 修改的就是这条链路）；Colab/Kaggle Notebook 对应 Colab-Inference.ipynb 与 Colab-WebUI.ipynb（2025.04.25 PR#2322 完善脚本）；多语言支持由 tools/i18n/ 承载（i18n.py + locale/ 下 13 种语言的 JSON，config.py 通过 I18nAuto 按 language 环境变量自动选择）；模型导出链路对应 onnx_export.py（2026.04.18 修复其未导入 Optional 的问题）与 export_torch_script_v3v4.py（2025.06.04 "支持 torchscript 导出 V4 模型"）；2025.04.15 "支持 Python 3.11" 的依赖基线见 requirements.txt 与 extra-req.txt。

五、实战速查：从更新日志提炼的设备与版本决策

以下结论均可在上文章节找到日志与源码双重依据：

1. 显存与训练方式选型（V3 场景）：完整微调约 14G 显存（2025.02.11 条目）；开启梯度检查点后约 12G（2025.02.12 PR#2040）；LoRA 训练约 8G（2025.02.23 条目，实现见 s2_train_v3_lora.py）。显存不足时优先选 LoRA 或梯度检查点，而不是降低学习率硬扛。
2. 设备精度规则：16 系（Turing）显卡与 SM 6.1 显卡会被强制单精度（config.py），半精度训练/推理在这些卡上会出现 inf 等异常——2024.02.07 UVR5 "inf everywhere" 条目即此机理的早期案例；无 CUDA 环境一律回退 CPU FP32，macOS 上推理走 CPU（2024.02.21 PR#557，"CPU 推理更快"）、训练可用 CPU（2024.03.13 PR#761）。
3. 版本选择：当前推理端支持 v1/v2/v3/v4/v2Pro/v2ProPlus 六个版本（TTS.py）；V3/V4 支持并行推理（2025.03.31/2025.04.21）并有 10% 缓存加速（2025.05.26），V3 可用 24K→48K 超分模型（tools/AP_BWE_main/）改善高频"闷"的问题（Issue#2085/2117）。
4. 服务化部署：低延迟场景开启 streaming_mode（取值 0-3，质量/延迟档位递减，api_v2.py），配合 overlap_length（默认 2）与 min_chunk_length（默认 16）调节分块行为；Colab 场景用 is_share=true 环境变量暴露公网 URL（config.py）。
5. 语速控制：推理入参 speed_factor（默认 1.0）可只调语速而不重采样随机性（2024.07.23 条目，TTS.py），API 侧同名参数已随 2024.07.23 条目更新到 api.py。

六、如何把这份日志当作问题排查工具

当遇到合成/训练异常时，建议按以下顺序利用 Changelog_CN.md：

1. 按现象关键词检索条目：如 ZeroDivisionError（2024.01.21/2024.01.23，HuBERT 提取 NaN 链路）、inf everywhere（2024.02.07，半精度问题）、"句首吞字"（2024.01.28）、"小数被切分"（2024.07.06，按标点切分时的小数误切）；
2. 看"关联 Issue"字段：条目附带的 Issue 编号（如 Issue#79、Issue#2085）指向社区确认过的复现讨论，比 PR 标题更能反映问题边界；
3. 对照当前源码验证是否已修复：本文"四、核心技术脉络"给出了每条关键能力对应的仓库文件，确认当前检出的代码已包含该修复后，再判断问题是否属于新场景。

需要注意两点适用前提：其一，日志中显存、加速比等数据均为原作者在特定环境下的实测陈述（如"加速推理 50%"标注了 RTX3090 + PyTorch2.2.1 + Cuda11.8 + Win10 + Py39 环境），迁移到其他硬件时不应直接当作承诺值；其二，fast_inference_ 分支于 2024.07.06 验证一致后合并、2024.08.20 完成 fast_inference 分支合并（PR#1490），因此当前 main 已包含快速推理改动，无需再单独切分支。