ChatTTS：実際の人の話し声を模倣した音声生成モデル

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::

   ギット クローン 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::

   より チャッツ インポート ChatTTS
   model = ChatTTS.load_model('path/to/pretrained/model'。)
   

2. スピーチの生成::

   テキスト "こんにちは、そしてChatTTSへようこそ！"
   audio = model.synthesize(テキスト)
   

3. オーディオファイルの保存::

   と オープン('output.wav', 'wb') として 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

より チャッツ インポート ChatTTS

#積載モデル
model = ChatTTS.load_model('path/to/pretrained/model'。)

# テキストと韻律パラメータの設定
テキスト "こんにちは、そしてChatTTSへようこそ！"
params = {
    笑: 真,
    ポーズ: 真,
    間投詞: 真
}

# 音声を生成する
audio = model.synthesize(text, params)

# オーディオファイルの保存
と オープン('output.wav', 'wb') として 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

AIを始めるための素人ガイド

AIツールの活用方法を、低コスト・ゼロベースから学ぶことができます。AIはオフィスソフトと同様、誰にとっても必須のスキルです。 AIをマスターすれば、就職活動で有利になり、今後の仕事や勉強の労力も半減します。

詳細を見る