ChatTTS – 开源的用于对话的生成式语音合成模型

ChatTTS是什么

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，基于约10万小时的中英文数据进行训练，能够生成高质量、自然流畅的对话语音。ChatTTS针对对话式任务进行了优化，实现了更自然、流畅的语音合成，同时支持多说话人，还具备细粒度控制能力，能够预测和控制韵律特征，如笑声、停顿等，超越了大部分开源TTS模型。

ChatTTS的功能特色

• 文本转语音：ChatTTS能够将用户输入的文本信息实时转换成自然流畅的语音输出，适用于多种语言环境。
• 多语言支持：除了支持中文，ChatTTS还能够处理英文文本，使其能够服务于更广泛的用户群体。
• 情感和韵律调整：ChatTTS不仅能够转换文本，还能够根据文本内容调整语音的情感色彩和韵律特征，如语速、语调、停顿等，使得语音更加贴近真实人类说话的自然节奏。
• 语音角色选择：用户可以根据应用场景的需要，从多个预设的语音角色中选择最合适的声音，增加语音的个性化和表现力。
• 交互式Web界面：通过直观的Web界面，用户可以直接在浏览器中输入文本并获取语音输出，无需编写代码。
• 实时语音交互：ChatTTS支持实时语音合成，非常适合需要即时反馈的对话系统和交互式应用。
• 语音文件导出：用户可以将合成的语音导出为常见的音频文件格式，方便进行后续的编辑、分享或作为多媒体内容的一部分。
• 集成与兼容性：ChatTTS支持集成到各种平台和应用中，可以无缝集成到Web应用、移动应用、桌面软件等多种环境中。
• 情感标记系统：ChatTTS支持在文本中嵌入情感标记，允许用户精细控制语音输出的情感表达，如在文本中插入[laugh]标记来模拟笑声。

ChatTTS的官网入口

• 官方GitHub源码库：https://github.com/2noise/ChatTTS
• Hugging Face模型地址：https://huggingface.co/2Noise/ChatTTS
• ModelScope模型地址：https://www.modelscope.cn/models/pzc163/chatTTS/summary

如何运行ChatTTS

方法一、在线体验Demo

普通用户可以在ModelScope和Hugging Face上运行社区提供的在线ChatTTS WebUI版的Demo直接体验

• ModelScope版Demo：https://www.modelscope.cn/studios/AI-ModelScope/ChatTTS-demo/summary
• Hugging Face版Demo：https://huggingface.co/spaces/Dzkaka/ChatTTS

方法二、本地部署运行

1. 安装环境：确保你的计算机上安装了Python和Git。
2. SDK下载：安装ModelScope和SDK模型下载

   #安装ModelScope
   pip install modelscope

   #SDK模型下载
   from modelscope import snapshot_download
   model_dir = snapshot_download('pzc163/chatTTS')

3. 获取源码：通过Git版本控制系统，从ModelScope的代码仓库克隆ChatTTS的源码到本地。

   #Git模型下载
   git clone https://www.modelscope.cn/pzc163/chatTTS.git

4. 安装依赖：进入到项目目录，使用pip命令安装所需的Python依赖包。

   pip install -r requirement.txt
   pip install Ipython
   pip install soundfile
   

5. 模型推理：可使用魔搭社区免费算力，完成模型推理

   from ChatTTS import Chat
   from IPython.display import Audio
   #下载模型
   from modelscope import snapshot_download
   
   model_dir = snapshot_download('pzc163/chatTTS')
   
   chat = Chat()
   chat.load_models(source='local', local_path=model_dir)
   
   texts = ["你好,我是ChatTTS,很高兴认识大家",]
   
   wavs = chat.infer(texts, use_decoder=True)
   Audio(wavs[0], rate=24_000, autoplay=True)
   
   # save audio
   import soundfile as sf
   audio_data = wavs[0]
   if len(audio_data.shape) > 1:  
       audio_data = audio_data.flatten()
   
   output_file = './output_audio2.wav'
   sf.write(output_file, audio_data, 24000)
   print(f"Audio saved to {output_file}")

6. 搭建WebUI并运行

   git clone https://www.modelscope.cn/studios/AI-ModelScope/ChatTTS-demo.git
   cd ChatTTS
   pip install -r requirements.txt
   python app.py

ChatTTS的应用场景

• 虚拟助手和客服机器人：ChatTTS可以为虚拟助手和在线客服机器人提供自然、流畅的语音输出，提升用户体验。
• 有声读物和电子书：将文本内容转换为语音，为有声书和电子书提供语音朗读功能，方便用户在通勤或做家务时收听。
• 社交媒体和内容创作：在社交媒体平台或内容创作中，ChatTTS可以生成吸引人的语音内容，增加互动性和趣味性。
• 新闻和播客：自动将新闻稿或博客文章转换成语音，用于播客或新闻广播。
• 无障碍辅助：为视障人士或有阅读困难的用户提供语音辅助，使他们能够通过听来获取信息。