ChatTTS：実際の人の話し声を模倣した音声生成モデル（ChatTTSワンクリックアクセラレーションパッケージ）

はじめに

ChatTTSは対話シナリオ用に設計された生成的音声モデルです。自然で表現力豊かな音声を生成し、多言語、複数話者をサポートし、対話型ダイアログに適しています。ChatTTSは、主に学術目的のさらなる研究開発をサポートするために、事前に訓練されたモデルを提供します。

機能一覧

• 多言語サポート対応言語は中国語と英語で、今後さらに増やしていく予定です。
• マルチトーカーサポート複数の話者の音声を生成できるため、インタラクティブな対話に適しています。
• きめ細かなリズムコントロール笑い、ポーズ、間投詞などのリズミカルな特徴を予測し、コントロールすることができる。
• 事前学習モデル更なる研究開発をサポートするため、40,000時間に及ぶ事前学習済みモデルを提供。
• オープンソースこのコードはGitHubでオープンソースとして公開されています。

ヘルプの使用

設置プロセス

1. プロジェクトコードの複製::

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

2. 依存関係のインストール::

   cd ChatTTS
   pip install -r requirements.txt
   

3. 訓練済みモデルのダウンロードHuggingFaceまたはModelScopeから訓練済みモデルをダウンロードし、指定されたディレクトリに置きます。

使用方法

1. 積載モデル::

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

2. スピーチの生成::

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

3. オーディオファイルの保存::

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

詳細な機能操作

• テキスト入力中国語と英語の混在したテキスト入力をサポートします。
• リズムコントロール笑い、間、間投詞などの韻の特徴は、パラメータを設定することで制御できます。
• トーンコントロールトーン・シード値やトーン・コードによって、発生する音色をコントロールすることができます。
• 感情コントロール感情のボラティリティと関連性のパラメータを設定することで、生成される音声の感情特性を制御します。
• ストリーミング出力複雑な対話シナリオのための長い音声生成と文字ベースの読み上げをサポートします。

サンプルコード

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 クライアント

クイック・エクスペリエンス

機能強化

機能拡張

ChatTTSPlus Accelerated ワンクリックインストールパッケージ

ChatTTSPlusは、ChatTTSの拡張バージョンで、オリジナルにTensorRTアクセラレーション、音声クローニング、モバイルモデルのデプロイメントを追加したものです。使いやすく、Windowsのワンクリックインストーラを提供し、TensorRTで3倍以上の性能向上（Windows 3060 GPUで28トークン/秒から110トークン/秒）を達成しています。 ChatTTSPlusは、幅広いシナリオに対応するパワフルで使いやすい音声合成ツールであり、特に高いパフォーマンスと音声クローン機能を必要とするアプリケーションに強みを発揮します。

住所：https://github.com/warmshao/ChatTTSPlus