ChatTTS：模仿真人说话声音的语音生成模型

综合介绍

ChatTTS 是一个专为对话场景设计的生成语音模型。它能够生成自然且富有表现力的语音，支持多种语言和多位说话者，适用于互动对话。该模型通过预测和控制细粒度的韵律特征，如笑声、停顿和插话，超越了大多数开源的语音合成模型。ChatTTS 提供预训练模型，支持进一步的研究和开发，主要用于学术目的。

功能列表

• 多语言支持：支持中文和英文，未来将扩展更多语言。
• 多说话者支持：能够生成多位说话者的语音，适用于互动对话。
• 细粒度韵律控制：可以预测和控制笑声、停顿和插话等韵律特征。
• 预训练模型：提供40,000小时的预训练模型，支持进一步研究和开发。
• 开源代码：代码在GitHub上开源，供学术和研究使用。

使用帮助

安装流程

1. 克隆项目代码：

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

2. 安装依赖：

   cd ChatTTS
   pip install -r requirements.txt
   

3. 下载预训练模型： 从HuggingFace或ModelScope下载预训练模型，并将其放置在指定目录。

使用方法

1. 加载模型：

   from chattts import ChatTTS
   model = ChatTTS.load_model('path/to/pretrained/model')
   

2. 生成语音：

   text = "你好，欢迎使用ChatTTS！"
   audio = model.synthesize(text)
   

3. 保存音频文件：

   with open('output.wav', 'wb') as f:
       f.write(audio)
   

详细功能操作

• 文本输入：支持中文和英文混杂的文本输入。
• 韵律控制：通过设置参数控制笑声、停顿和插话等韵律特征。
• 音色控制：可以通过预设的音色种子值或音色码控制生成的音色。
• 情感控制：通过设置情感波动性和相关性参数，控制生成语音的情感特征。
• 流式输出：支持长音频生成和分角色阅读，适用于复杂对话场景。

示例代码

from chattts import ChatTTS

# 加载模型
model = ChatTTS.load_model('path/to/pretrained/model')

# 设置文本和韵律参数
text = "你好，欢迎使用ChatTTS！"
params = {
    'laugh': True,
    'pause': True,
    'interjection': True
}

# 生成语音
audio = model.synthesize(text, params)

# 保存音频文件
with open('output.wav', 'wb') as f:
    f.write(audio)

ChatTTS 客户端

快速体验

功能增强

功能扩展

普通人的AI入门指南

帮助你以低成本、零基础学会如何利用AI工具。AI就像办公软件一样，是每个人的必备技能。 掌握AI会让你在求职中占据优势，在未来的工作和学习中事半功倍。

查看详情>