35k star，一款颠覆性的文本转语音神器，已开源！

近年来，随着生成式AI技术的爆发式发展，文本转语音（TTS）领域迎来了一位颠覆性选手——ChatTTS。该项目在GitHub上拥有35.2k star，被业界誉为“最接近真人语音特征的开源TTS模型”。

亮点

• 对话式 TTS： ChatTTS 针对对话式任务进行了优化，能够实现自然且富有表现力的合成语音。它支持多个说话者，便于生成互动式对话。
• 精细的控制： 该模型可以预测和控制精细的韵律特征，包括笑声、停顿和插入语。
• 更好的韵律： ChatTTS 在韵律方面超越了大多数开源 TTS 模型。我们提供预训练模型以支持进一步的研究和开发。

使用教程

克隆仓库

git clone https://github.com/2noise/ChatTTS
cd ChatTTS

安装依赖

1. 直接安装

pip install --upgrade -r requirements.txt

2. 使用 conda 安装

conda create -n chattts
conda activate chattts
pip install -r requirements.txt

可选 : 如果使用 NVIDIA GPU（仅限 Linux），可安装 TransformerEngine。

快速启动

确保在执行以下命令时，处于项目根目录下。

1. WebUI 可视化界面

python examples/web/webui.py

2. 命令行交互

生成的音频将保存至 ./output_audio_n.mp3

python examples/cmd/run.py "Your text 1." "Your text 2."

优缺点分析

优点：

• 生成质量高： ChatTTS利用先进的Transformer架构和大规模预训练技术，生成的语音自然度高，接近真人发声。
• 灵活性强： 由于采用了统一的文本到文本框架，ChatTTS可以处理多种语言任务，不仅限于语音合成，还可以进行翻译、摘要等任务。
• 开源社区支持： ChatTTS是一个开源项目，得到了广泛的社区支持和贡献，提供了丰富的资源和工具供开发者使用。

缺点：

• 计算资源需求高： 高质量的语音生成需要大量的计算资源，特别是在训练和微调阶段，对硬件性能有较高要求。
• 数据依赖性强： 生成效果严重依赖于训练数据的质量和多样性，在某些特定应用场景下，可能需要大量的特定数据进行微调。
• 实时性不足： 由于生成过程的复杂性，在某些实时应用中可能存在延迟，特别是在处理复杂文本和生成长段语音时。

应用场景

• 智能助手： 为ChatGPT等LLM增加拟人化语音交互能力。
• 有声内容创作： 自动生成有声书、播客旁白，支持分角色朗读。
• 教育领域： 制作带情感反馈的语言学习材料。
• 无障碍服务： 为视障用户提供更自然的语音阅读体验。

界面展示

主页面

多音色选择

输入文字、开始生成

API调用功能