对话生成语音合成模型ChatTTS – 开源版本

ChatTTS指的是什么？

ChatTTS是一款专门为对话环境定制开发的中英文文本转语音（TTS）工具，在大约10万小时的双语数据集上进行了训练。它能产生高质量且流畅自然的对话音频输出，并特别针对交互式应用做了优化改进，从而实现了更加逼真连贯的声音合成效果。此外，ChatTTS还支持多种发音人角色设定及细致入微的情感和节奏控制功能，能够准确预测并调整语音中的笑声、停顿等韵律特性，其性能远超众多现有的开源TTS系统。

ChatTTS的特性亮点

• 音频转换自文本ChatTTS具备即时把用户的文字消息转化为流利自然语音的能力，并且支持跨多种语言的应用场景。
• 多种语言兼容性支持除中文外，ChatTTS亦具备处理英文文本的能力，从而能覆盖和服务更多元化的用户群。
• 情绪与节奏的调节ChatTTS不仅能将文字转化为声音，还能依据文字段落来调节语音的情绪色调及音韵特点，比如控制讲话的速度、声调以及间歇时间，从而让生成的声音更接近于人的真实口语风格。
• 挑选声音人物选项根据不同的使用场景需求，用户可挑选最契合的预设语音角色，以此来提升声音的表现力与个性特色。
• 互动式的网页界面借助清晰易用的网页界面，用户能够直接于浏览器内录入文字，并即时获得语音反馈，整个过程无需涉及编程。
• 即时声音交流ChatTTS具备实时音频生成功能，特别适用于那些要求迅速响应的对话平台及互动软件。
• 导出音频文件用户能够把生成的声音转换成多种常用的音讯文件类型，便于进一步处理、传播或者融入到多元媒体素材中。
• 整合及互操作性ChatTTS能够被整合进多种平台与应用程序之中，适用于包括网页应用、手机软件及电脑程序在内的不同环境，并实现完美兼容。
• 情绪标识方案使用ChatTTS时，可以在文字内容里加入情绪标签，让用户能够精确地调整声音输出的情绪色彩；例如通过添加诸如[笑]这样的标签来产生 laughter 的效果。

访问ChatTTS的官方网站入口

• 官方代码仓库地址：https://github.com/2noise/ChatTTS
• Hugging Face上的模型链接如下：https://huggingface.co/2Noise/ChatTTS
• ModelScope平台上的模型链接如下所示：https://www.modelscope.cn/models/pzc163/chatTTS/summary

怎样启动ChatTTS功能

方案一：尝试线上演示版本

一般用户能够通过ModelScope和Hugging Face访问由社区贡献的在线ChatTTS WebUI演示，从而立即获得使用体验。

• ModelScope的演示版本可以在这里找到：https://www.modelscope.cn/studios/AI-ModelScope/ChatTTS-demo/summary
• 演示版本来自Hugging Face平台：https://huggingface.co/spaces/Dzkaka/ChatTTS

方案二：在本地环境安装并执行

1. 设置运行环境需要在你的电脑上配备Python和Git的安装版本。
2. 获取SDK包：部署ModelScope及SDK并完成模型的加载

   # 安装ModelScope库
   使用命令：pip install modelscope

   # 下载SDK模型
   import modelscope
   
   model_directory = modelscope.snapshot_download('pzc163/chatTTS')