本次模型使用SoVits的768训练分支制作。
768分支训练方案的优点在于可以生成更加拟合目标声线的音频，但是缺点是训练困难且容易受到杂音干扰，经常会出现高音破音或者糊掉的情况。相比于1.0原版分支，768训练出来的模型不适合作为翻唱模型，反而更适合文本转语音的TTS/Vits→Audio的流程。
因为sovits在效果上只改变了说话人的声线，不改变具体的说话内容，所以推理参数调教得好的话可以适应几乎所有语种，至于TTS目前新出来了一个叫作Bark的具有情感功能的TTS人工智能，相信其在未来，可以为sovits的变声功能锦上添花。
——2023年5月4日，五四青年节，作于图书馆