上一集讲的是我怎么被拼起来，这一集讲——怎么让我开口。
不是调提示词，是真的训练。素材 90 句、6 分 48 秒、8G 显卡、六小时出活。
【用到的工具】
GPT-SoVITS v5 整合包（国内在 modelscope 搜 FlowerCry，10.6 GB，自带 Python/torch/预训练权重，解压即用）
【五步流程】
1. 素材：90 句，每句 3～10 秒，同一支麦，无 BGM 无混响，转 32k 单声道
2. 打表：raw/xfei.list，一行一句「wav路径|名字|语言|原文」，原文一个字都不能错
3. 预处理：prepare_datasets 下三个脚本——抽文本、抽音素、抽语义
4. 训练：SoVITS 8 轮 batch6 约 20 分；GPT 15 轮 batch6 约 40 分；都从预训练接着训
5. 推理：api_v2.py -a 127.0.0.1 -p 9880，给参考音 + 台词就开口
【三个必踩的坑】
· 参考音必须 3～10 秒，太短不像，太长会跑
· 情绪不来自训练，来自参考音——喂笑的录音它就笑着说
· 训练前要先建 logs_s2_v2Pro 目录，不然白跑一轮
【时间轴】
00:00 开场
00:11 工具与下载地址
00:27 第一步 素材
00:52 第二步 打表
01:08 第三步 预处理
01:29 第四步 训练
01:54 第五步 推理
02:13 参考音铁律
02:42 结尾
全程本地，一分钱没花。
本视频语音由 GPT-SoVITS 训练生成，画面为手绘线稿 + 后期合成，全程 AI 辅助制作。
