GPT-SoVITS 版本演进全记录：从 202401 到 V4/V2Pro 的 Changelog 技术解读

GPT-SoVITS 是一个支持少样本（few-shot）语音克隆的零样本 TTS 项目，其韩语版更新日志 docs/ko/Changelog_KO.md 完整记录了项目从 2024 年 1 月到 2026 年 4 月的全部重要变更，覆盖 V1 → V2 → V3 → V4 及 V2Pro 系列模型迭代、ASR/分轨/超分等工具链演进与大量稳定性修复。本文以该更新日志为主体骨架，逐月梳理核心变更脉络，并结合仓库源码（如 config.py、configs/tts_infer.yaml）对关键功能（模型版本管理、自动精度检测、推理加速、V2Pro 系列配置等）给出可验证的落地细节，帮助你在选型、训练与排错时快速定位所需版本能力。

日志的组织方式与阅读方法

韩语更新日志按 YYYYMM 月份分节，每条记录包含四个字段：

• 내용（内容）：变更描述；
• 유형（类型）：功能 / 修复 / 优化 / 整理 / 文档化 / 性能优化 / 新增功能等；
• 기여자（贡献者）：提交者；
• 관련（关联）：对应的 Issue 或 PR（原文以 PR/Commit 编号链接形式给出）。

从结构上看，这条时间线恰好与仓库当前的代码形态一一对应。例如日志中 2025.06 新增的 "V2Pro, V2ProPlus" 模型，在 config.py 中即可看到对应的预训练权重注册：

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",
}

推理端各版本使用的 GPT（AR）权重与 SoVITS 权重路径同样在 GPT_SoVITS/configs/tts_infer.yaml 中按 v1 / v2 / v2Pro / v2ProPlus 分组声明，可直接用于 API 或推理 WebUI 的模型指定。

202401：项目启动期的功能奠基与稳定性攻坚

这是条目最密集的一个月，日志记录了 30 余条变更，可归纳为四条主线。

1. 环境与平台扩展。 1 月 25 日 PR 引入 Mac 训练与推理支持；2 月日志中的后续条目（2024.02.21、2024.02.28）继续修复 Mac CPU 推理下的 is_half 判断问题。同期 Dockerfile 完成模型下载流程，Colab 版本经过测试更新。

2. 训练链路修复。 多条记录指向同一个症状——Hubert 特征抽取产生 NaN 导致 GPT/SoVITS 训练报 ZeroDivisionError（1 月 23 日修复）；另有 GPT 训练 checkpoint 不保存（1 月 28 日）、16 系 GPU 半精度训练问题（1 月 29 日改为单精度）等。

3. 推理能力增强。

• Config.py 新增 is_share 参数，设为 True 时将 WebUI 映射到公共网络；
• 推理 WebUI 支持快速模型切换、可选的分句/分段输出模式、多换行导致的推理错误修复；
• 中文分词由 jieba 替换为 jieba_fast；
• 合成音频包含参考音频尾音的问题大幅降低；过短输出导致参考音频重复的问题修复。

4. 文本前端多语言化。 1 月 22 日测试英语/日语训练（日语训练要求根目录无英文特殊字符）；1 月 26 日支持中英、日英混合输出文本；1 月 28 日修复数字被读成汉字的发音问题。这些为 2 月的"中日英三语自动分句与语言识别"打下基础。

202402：ASR 双引擎与 DPO 训练选项

• 2024.02.03：中日英混合文本自动分句与语言识别；引入 PaddleSpeech Normalizer，修复 xx.xx%、"元/吨" 等读法及下划线报错；
• 2024.02.07：整合 Faster Whisper 用于日/英语 ASR（与既有 FunASR 形成双引擎）。仓库中对应的实现见 tools/asr/fasterwhisper_asr.py 与 tools/asr/funasr_asr.py；2 月 12 日进一步优化两引擎逻辑并改用镜像下载以规避连接问题；3 月 6 日补充"无 CUDA 时 Faster Whisper 自动回退 CPU"以及"非中文 ASR 无需预下载 FunASR 模型"两项优化；
• 2024.02.12：新增 DPO Loss 训练选项，用于缓解 GPT 重复与漏字问题，同时在推理 WebUI 暴露更多参数；2 月 15 日将 DPO 训练从必选改为可选，并说明勾选后批量大小自动减半；
• 2024.02.16：支持无参考文本的输入（此前推理必须提供参考音频的文本）；
• 2024.02.21：数据处理新增降噪选项（仅保留 16kHz 采样率，仅建议背景噪声严重时使用）；
• 其他：UVR5 的 librosa 版本适配、is_half 未转布尔导致 UVR5 inf 报错的修复（16 系 GPU 场景）、Gradio 依赖问题、中文实验名训练支持、UVR5 混响去除模型配置反了的修正（PR）等。

202403–202406：推理提速与训练质量修复

• 2024.03.09：推理速度提升约 50%（日志注明测试环境为 RTX3090 + PyTorch 2.2.1 + CU11.8 + Win10 + Py39，该数据以日志原文为准）；
• 2024.03.10：新增 fast_inference_ 快速推理分支；3 月 13 日新增 CPU 训练支持，使 macOS 可用纯 CPU 训练；
• 2024.05.02：修复 SoVITS 训练时不固定 VQ 导致的音质劣化问题；5 月 19 日为训练数据中不支持的语言增加报错提示；5 月 27 日修复 Hubert 抽取 bug；
• 2024.06.06：修复 WebUI GPT 微调时不读取中文输入文本 BERT 特征、导致训练/推理不一致的问题。日志在此条特别加注：若之前已用大量数据微调，建议重新训练模型；
• 6 月还包含：s2_train.py 进度显示修复、UVR5 MDXNet 在 FFmpeg 调用时对含空格路径的兼容、纯/多标点文本输入处理改进、CPU 推理默认批大小出现小数问题、降噪或 ASR 处理异常时不再拖垮整个音频队列、多 GPU 训练的多进程保存逻辑修复、重复的 tools/my_utils.py 清理等。

202407–202408：fast_inference 合入与 V2 正式发布

2024.07 的关键节点：

• 标点分句不再误切小数点；
• 加速推理代码完成验证并合入主分支，日志声明其效果与基础版一致，且"无参考文本"模式同样支持加速推理；
• 新增语速调节功能（含固定随机性与仅控制语速选项），并同步更新到 api.py；
• 新增 BS-RoFormer 人声分离模型支持，仓库中对应实现位于 tools/uvr5/bsroformer.py；
• i18n 扫描重构与多语言配置更新（对应 tools/i18n/ 下的 locale 文件族）；GPT 训练自定义 bucket_sampler 时的步数不一致修复（对应 GPT_SoVITS/AR/data/bucket_sampler.py）。

2024.08 是 V2 版本的里程碑：

• 2024.08.02 提交区间引入 GPT-SoVITS V2 模型；
• BS-RoFormer 启用 FP16 推理；GPU 识别逻辑优化并新增用户指定 GPU 索引的处理；
• FunASR 增加粤语 ASR 支持；
• V2 专属的多音字处理逻辑优化；
• LangSegment 库层面新增 SSML 标签对数字、电话号码、日期、时间的优化支持（仓库中 LangSegmenter 模块见 GPT_SoVITS/text/LangSegmenter/）；
• 2024.08.20 fast_inference 分支正式合并入主分支，2024.08.21 V2 版本正式发布。

V2 权重在推理配置中的登记位置见 GPT_SoVITS/configs/tts_infer.yaml（v2 段指向 gsv-v2final-pretrained 目录下的 s1/s2 权重）。

202502–202503：V3 发布与显存策略

V3 阶段日志突出的是不同训练方式的显存档位：

能力	日志记录的显存需求
V3 全量微调	14GB
V3 + 梯度检查点（gradient checkpointing）	12GB
V3 LoRA 训练	8GB

同一时期还包括：注意力计算逻辑优化；更换新的语言分段工具并改进多语混合文本分段策略（对应 GPT_SoVITS/text/LangSegmenter/langsegmenter.py）；24kHz→48kHz 音频超分模型上线，用于缓解 V3 模型生成 24K 音频"发闷/糊"的问题，仓库中超分主程序在 tools/AP_BWE_main/、音频上采样封装在 tools/audio_sr.py；Mel Band Roformer 模型支持人声/乐器分离（tools/uvr5/bs_roformer/mel_band_roformer.py）；针对模型无法识别的短 CJK 字符应用规则检测兜底；新增语速控制参数；2025.02.28 V3 正式发布。

2025.03 的修复围绕依赖版本展开（PyOpenJTalk、ONNX、Pydantic、PyTorch-Lightning 各自关联的 Issue），并启用 SoVITS v3 并行推理；同时 ONNX 运行时 GPU 推理相关包整合：G2PW 内 ONNX 模型从 CPU 转 GPU 推理以消除 CPU 瓶颈，去混响模型支持 GPU。

202504：V4 版本发布

• SoVITS v3 并行推理解锁、异步模型加载逻辑修复；
• Ruff 代码格式化、G2PW 链接更新；
• 文档整理、Python 3.11 支持、安装程序更新；Colab/安装文件/模型下载更新；
• 2025.04.20 引入 GPT-SoVITS V4 模型，随后启用 V4 并行推理、修复模型版本参数传递错误、NumPy/Numba 版本不匹配与 librosa 升级；
• 日志在此处以"GPT-SoVITS V4 正式发布"收尾该月（日志原文日期笔写作 2024.04.22，按上下文应为 2025.04.22）。

V4 权重在 config.py 中登记为 gsv-v4-pretrained/s2Gv4.pth，其 GPT 侧权重复用 s1v3.ckpt。

202505–202509：稳定性与性能收尾

• Docker 与 Windows 自动构建脚本改进，新增 pre-commit 格式化；
• 多语文本分段与识别逻辑优化；
• 缓存策略使 SoVITS V3/V4 推理速度提升约 10%（日志原文数据）；
• 标注界面增加"编辑后必须点击 Submit Text 才能保存"的引导提示；
• UVR5 与 ONNX 去混响模型在 FFmpeg 编码含空格路径的 MP3/M4A 时出错修复；
• 2025.07：Win11 下提升推理进程优先级；GPT_SoVITS/TTS_infer_pack/TTS.py 修复对 v2Pro/v2ProPlus 版本识别缺失；并行推理模式下的 v2pro 模型识别修复；Whisper ASR 支持更省资源的 distill 模型；TTS_Config 逻辑优化；GPT loss 计算问题修复；
• 2025.08：WSL 下 ROCm 支持修复。

202506：V2Pro 系列（V2Pro / V2ProPlus）

日志中该节标题写作 "202406 (V2Pro 系列)"，但条目日期均为 2025.06，应以条目日期为准：

• V2Pro、V2ProPlus 模型上线，与既有 V2/V3/V4 并行，提供不同音质取向的底座；
• 新增 TorchScript 导出 V4 的支持（仓库中导出脚本为 GPT_SoVITS/export_torch_script.py 及 GPT_SoVITS/export_torch_script_v3v4.py）；
• 自动精度检测逻辑优化、WebUI 前端折叠功能；"X一X" 模式多音字误判修复；
• 针对 V2Pro 的关键数值稳定性修复：ge.sum 数值爆炸导致推理静音、ge 抽取时数值溢出（均为 2025.06.09–11 的修复）；
• v2pro 并行推理支持 bug 修复；install.sh 逻辑优化；onnxruntime 加载逻辑优化（GPU/CPU 自动检测）；语言分段持续优化。

仓库中 V2Pro 系列的训练配置已就位：GPT_SoVITS/configs/s2v2Pro.json 与 GPT_SoVITS/configs/s2v2ProPlus.json，推理侧配置见 GPT_SoVITS/configs/tts_infer.yaml 的 v2Pro/v2ProPlus 段（两者共用 GPT 权重 s1v3.ckpt，区别在 SoVITS 权重）。

202511–202604：流式推理与最新优化

日志最近三段记录了当前仓库的活跃方向：

• 流式推理：2025.11.28 两路 PR 落地（ChasonJiang 与 L-jasmine），仓库中实验性流式实现见 GPT_SoVITS/stream_v2pro.py，其 StreamT2SModel 通过 process_prompt 预计算 KV cache 实现 prompt 阶段复用；
• VQ 分布式训练支持（2025.11.28）；
• 数学表达式文本的文本前端预处理优化；ASR 模型下载逻辑优化；默认批大小 bug 修复；
• 2025.12：采样错误修复；
• 2026.02：Conda 条款未同意导致的构建失败修复；自动环境配置优化；
• 2026.04（当前最新条目）：G2PW 推理输入配置与多音字处理优化，降低长文本的重复计算开销；Windows 单卡下 V3 LoRA 训练流程改进；并行推理 bug 修复；DPO 训练不支持漏字模拟的 bug 修复（呼应 2024.02 引入的 DPO 选项）；ONNX 导出脚本缺失 Optional 等 import 的修复。

结合源码理解日志中的"自动精度"与"GPU 选择"

日志多次出现 is_half、16 系 GPU 单精度等条目，当前代码中的最终形态是 config.py 的 get_device_dtype_sm 与设备扫描逻辑：

def get_device_dtype_sm(idx: int) -> tuple[torch.device, torch.dtype, float, float]:
    ...
    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
    return cpu, torch.float32, 0.0, 0.0

即：显存低于 4GB 或 SM 低于 5.3 的卡回退 CPU；Pascal（6.1）与 16 系笔记本 GPU（SM 7.5 且型号匹配 16xx）强制 float32；其余 GPU 使用 float16。is_half 最终由所有可用设备中是否出现 float16 决定（is_half = any(dtype == torch.float16 ...)），而 infer_device 选取 SM 版本与显存综合最大者。这解释了日志中 2024.01.28"不支持半精度的 GPU 自动强制单精度"、2024.02.28"Mac CPU 推理 is_half 修复"等条目在现行代码中的落点。环境变量 is_half、is_share、language 仍可在启动前覆盖相关行为（见 config.py）。

使用日志排错的三条实用路径

1. 按症状反查月份：例如训练报 ZeroDivisionError → 2024.01.23 条目（Hubert NaN）；GPT 微调后中文音质下降 → 2024.06.06 条目（BERT 特征未读取，需重训）；V2Pro 推理静音 → 2025.06.09 条目（ge.sum 溢出）。
2. 按功能查落地文件：语速调节 → api.py；DPO 选项 → GPT 训练配置与 GPT_SoVITS/s1_train.py；流式推理 → GPT_SoVITS/stream_v2pro.py；超分 → tools/AP_BWE_main/、tools/audio_sr.py；版本权重映射 → config.py 与 GPT_SoVITS/configs/tts_infer.yaml。
3. 按模型版本查配套：选择 v1/v2/v3/v4/v2Pro/v2ProPlus 中的底座时，权重路径、权重目录命名（SoVITS_weights_v2Pro 等，见 config.py）与训练配置（GPT_SoVITS/configs/ 下 s2*.json / s1*.yaml）需要与所选版本一致，日志中 2025.04.22 与 2025.07.16 两次"版本参数传递/识别"修复正是这一类不匹配问题的历史。

综上，这份韩语更新日志不仅是一份变更记录，更可作为 GPT-SoVITS 的版本能力索引与故障字典：先按月份定位症状对应的修复条目，再到上文列出的源码路径确认现行实现，即可在 V1–V4、V2Pro 全系模型与流式/并行推理能力之间做出有据可依的选择。