windows部署ChatTTS对话场景的文本转语音大模型

一周20.2K星! 的文本转语音TTS模型 -- ChatTTS

ChatTTS 是一款专门为对话场景（例如 LLM 助手）设计的文本转语音模型。

近期，ChatTTS 凭借其高度仿真的 AI 语音合成技术迅速走红！ChatTTS 是专为对话场景设计的文本转语音模型，例如 LLM 助手对话任务，支持中英文两种语言。其最大的模型在超过 10 万小时的中英文数据上进行训练，确保了高质量的语音输出。从宣传视频中可以发现，合成语音自动添加了“嗯……”“然后”等语气词，以及适时的笑声，展现了丰富的韵律和情感，几乎无法分辨真假。本文将手把手指导大家如何在趋动云平台部署这款开源的语音合成神器——ChatTTS，并进行实际测试，体验其强大的功能。

的文本转语音模型。它支持英语和中文。模型经过 100,000+ 小时的中英文训练。HuggingFace 上的开源版本是一个 40,000 小时的预训练模型，没有 SFT。文字转语音:在文本框中输入文字，ChatTTS会生成对应的语音，并自动调整韵律和停顿。实时语音对话:与大语言模型结合，实现实时语音对话功能。调节音色:在“Audio Seed”处可以调节数字指定说话人的音色，或通过摇骰子随机生成一种音色。

最近Chat-TTS模型很火，生成的语音以假乱真，几乎听不出AI的味道。我自己在本地部署玩了一下，记录一下其中遇到的问题。

ChatTTS 是一款专门为对话场景（例如 LLM 助手）设计的文本转语音模型。本文首先以VITS为例，对TTS基本原理进行简要讲解，让大家对TTS模型有基本的认知，其次对ChatTTS模型进行step by step实战教学，个人感觉4万小时语音数据开源版本还是被阉割的很严重，可能担心合规问题吧。其次就是没有特定的角色与种子值对应关系，需要人工去归类，期待更多相关的工作诞生。

ChatTTS中文文本转音频文件特别注意：经验证，ChatTTS官网的样例代码API已经过时，无法直接运行，特别是chat.load_models方法入参是错误的，下面是阅读API入参且验证的可执行代码。# 第一步下载的ChatTTS模型文件目录，请按照实际情况替换# 初始化并加载模型，特别注意加载模型参数，官网样例代码已经过时，请使用老牛同学验证代码。

也快到期末了,最近就基本不做别的事情,主要对期末进行复习和做自己喜欢的一些事情,下面是对自己发现的一个好玩的项目进行分享,如果不想太麻烦的话,直接看3.3有直接可以运行的版本进行使用.ChatTTS（Chat Text-to-Speech）是一种技术，它允许计算机程序将文本转换成口语，即语音输出。这种技术广泛应用于各种场景，比如语音助手、电子书阅读器、自动电话系统、辅助技术等。用户输入文本，ChatTTS系统会将这些文本转换成语音，然后通过扬声器播放出来，或者通过音频文件保存。

Chinese-FastSpeech2 github.com/gitblog00043/Chinese-FastSpeech2 docs.fastspeech2.cn CSDN技术论坛。Spark-TTS github.com/SparkAudio/Spark-TTS spark-tts.readthedocs.io 钉钉技术群。具体模型选择需结合场景复杂度、硬件条件及个性化需求。• 技术架构：基于GPT-3.5架构的端到端模型，支持中文、英文及混合语言生成，融合韵律控制模块（笑声、停顿、语气词）

ChatTTS是一款专为对话场景设计的支持中英文的文本转语音（TTS）模型，能够生成高质量、自然流畅的对话语音，同时还支持笑声、停顿等韵律特征，超越了大部分TTS开源模型。本文手把手部署、AIP使用、搭建可视化WebUI界面体验ChatTTS能力……

本篇文章主要介绍如何快速地在Windows系统电脑中本地部署ChatTTS开源文本转语音项目，并且我们还可以结合Cpolar内网穿透工具创建公网地址，随时随地远程访问本地搭建的ChatTTS AI语音合成模型。最像人声的AI来了！语音开源天花板ChatTTS火速出圈，一周就斩获20k，目前github上已经21k。这是专门为对话场景设计的语音生成模型，用于LLM助手对话任务、对话语音、视频介绍等，仅支持中英文。ChatTTS是一种基于深度学习的文本转语音技术，它可以将文本内容转化为自然流畅的人工语音。

直接git clone即可！（直接down包，解压）

本地部署 ChatTTS

与 CosyVoice、VITS 等模型相比，ChatTTS 在。模型，支持自然流畅的语音合成，适用于。

声明：本教程基于modelscope.cn的演示站进行本地搭建，环境为Windows作者GitHub地址：https://github.com/2noise/ChatTTSWebui体验地址：https://modelscope.cn/studios/AI-ModelScope/ChatTTS-demo/summary。

Dify是一款开源的大语言模型（LLM）应用开发平台。它融合了后端即服务（Backend as Service）和LLMOps的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。资源编排服务（Resource Orchestration Service， ROS）是阿里云提供基于基础设施即代码（Infrastructure as Code, IaC） 理念的自动化部署服务，我们可以通过定义一个模板，轻松部署一套云上的 Dify 环境。

本篇文章主要介绍如何快速地在Windows系统电脑中本地部署ChatTTS开源文本转语音项目，并且我们还可以结合Cpolar内网穿透工具创建公网地址，随时随地远程访问本地搭建的ChatTTS AI语音合成模型。最像人声的AI来了！语音开源天花板ChatTTS火速出圈，一周就斩获20k，目前github上已经21k。这是专门为对话场景设计的语音生成模型，用于LLM助手对话任务、对话语音、视频介绍等，仅支持中英文。ChatTTS是一种基于深度学习的文本转语音技术，它可以将文本内容转化为自然流畅的人工语音。