一上线就爆火？中文语音AI天花板ChatTTS究竟是个啥？

在Github上大火的ChatTTS究竟是个啥？

省流：文本转语音+声音克隆

听说很牛，究竟有多牛？

牛到作者毫不掩饰的说是目前为止的开源项目天花板

仅仅5天斩获了16k的关注，真是个好项目。

我试了试其中的效果，真的很NB，难怪这么多人关注这个项目。

介绍

1. ChatTTS是专门为对话场景设计的文本转语音模型，例如LLM助手对话任务。

2. 它支持英文和中文两种语言。最大的模型使用了10万小时以上的中英文数据进行训练。

3. 在HuggingFace中开源的版本为4万小时训练且未SFT的版本.

亮点

1. 对话式 TTS: ChatTTS针对对话式任务进行了优化，实现了自然流畅的语音合成，同时支持多说话人。
2. 细粒度控制: 该模型能够预测和控制细粒度的韵律特征，包括笑声、停顿和插入词等。
3. 更好的韵律: ChatTTS在韵律方面超越了大部分开源TTS模型。同时提供预训练模型，支持进一步的研究。

ChatTTS的应用场景

1. ChatTTS适用于各种需要高质量语音合成的场景，包括但不限于:

2. 电商直播:为直播提供更加自然的语音配音，提高用户体验。

3. 自媒体:帮助自媒体创作者生成生动的配音，吸引更多观众。

4. 在线教育:为在线课程提供清晰自然的讲解声音，提升学习效果。

5. 客服和售后服务:提供更人性化的语音服务，提高客户满意度。

使用介绍

1：下载资源压缩包

我们提供了 2 套整合包，一套是软件君的，还有一套是ChatTTS-ui

2：本地启动程序

下载完成后，解压压缩包，点击”启动.exe”启动脚本

3：浏览器操作使用

1. text:指的是需要转换成语音的文字内容。

2. Refine text:选择是否自动对输入的文本进行优化处理。

3. 随机度:一个控制输出随机性的参数，数值越大，生成的语音随机性越高，这可能导致生成的语音质量有时更好，有时更差。

4. 声音选择:默认值为2222，这是一个数字参数，用于选择声音的类型。可选的数字有2222、7869、6653、4099、5099，可以任选其一，或者输入其他数字以随机选择声音。

5. 定制声音:这是一个正整数参数，用于定制声音的音调和音色。如果设置了此值，将优先使用，而忽略声音选择参数。

6. 提示设置:用于添加笑声、停顿等效果。例如，可以设置为[oral_2][laugh_0][break_6]。

软件君的整合包-更新记录

V1.0版本：2024-6-2

1、基于ChatTTS项目，支持保存音色，支持生成wav。