第 5 步：推理合成（1-GPT-SoVITS-TTS → 1C）

5.1 先选对模型：GPT / SoVITS 各选哪一款

训练产物命名规则：实验名-e轮数-s步数.ckpt/.pth（如 myvoice-e10-s8123）。e = epoch（轮数）、s = step（步数），同一次训练里文件按时间顺序保存 → e/s 越大 = 越接近训练终点。

选模三条规则（记牢）：

30. 默认选 e 和 s 都最大 的那一对。训练正常跑完时，最后保存的就是"毕业模型"——音色最像素材、最稳定。

31. GPT 和 SoVITS 必须选同一 e/s 配对（两个下拉列表选同一个名字，如都选 myvoice-e10-s8123）。GPT 管文本语义、SoVITS 管音色，同一对的内部参数是对齐训练的，混搭虽能跑但音质打折。

32. 别选到底模。下拉列表里混着预训练模型（名字像 s1bert25hz-2kh-longer-epoch=68e-step=50232.ckpt、s2G488k.pth，或名字里不带你的实验名）——选错 = 听到的是通用音色，不是你的克隆音。认准自己实验名前缀的那一对。

什么时候不选最后一个：

情况

处理

训练中途爆显存/中断，最后文件残缺

往前退一个（e-1 或 s 小一档）

合成吞字/复读/电音严重（疑过拟合）

试 e 稍小的版本对比

想对比效果

同 e 系选 s 差 1–2 档的模型，合成同一句话试听

5.2 推理操作

33. 顶部选 v2Pro 版本（8GB显存的选择，16GB可选V4） → 点 「刷新模型路径」 → 下拉选你刚训练的模型。

 

34. 点 「开启 TTS 推理WebUI」，会再开一个新页面（端口 9872）。

 

35. 上传参考音频（5 秒左右最佳，建议用训练集切片里的某一段）→ 填参考音频的文本（它说了什么就填什么，语种一致）。