【手把手教学】最新ChatTTS语音合成项目使用指南AI变声器chatTTS教程来了!5S夺走你的卧槽【附windows本地一键运行包】

avatar
作者
筋斗云
阅读量:0

像这种充满语气充满感情色彩的人声,再搭配一段自拍图,是由最近大火的AI项目chatTTS生成的,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。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。在HuggingFace中开源的版本为4万小时训练且为SFT的版本.

chatTTS整合包链接:https://pan.quark.cn/s/8ab3fe306277
语音对照库让选择不再是难题,10000种音色,对应了10000个音色种子,相当于SD中seed。内置了多种语音风格,从甜美的萝莉音到成熟的御姐音,每一种都能满足你的个性化需求下载:https://pan.quark.cn/s/3062c1bf0ee7
可领取本地一键整合包

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。

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。

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

语法支持

音频生成速度:使用4090技术,大约每秒钟可以生成7个字的音频。

响应时间:音频生成的实时因子(RTF)大约是0.3秒。

模型支持:目前,开源版本的语气词仅支持三种基本类型。

模型稳定性:自回归模型普遍存在的问题是稳定性不足。可能会出现声音突然变成其他人的声音,或者音质变得非常差。这种情况通常难以完全避免,但可以通过多次尝试来寻找更好的音频效果。

情感控制:目前发布的模型版本中,可以控制的只有笑声([laugh])以及一些声音中断([uv_break], [lbreak])作为字级别的控制单元。我们计划在未来的版本中开源更多情感控制的功能。

在这里插入图片描述

填入文本,我测试发现含有语气词,停顿,能够更好的表达语音感情,如果是长文本则需要测试其停顿性效果,比如加入了[uv_break],或者[lbreak]我觉得非常不错

选择音色

立即合成即可

  1. ChatTTS是什么?
    ChatTTS是一个开源的文本到语音(Text-to-Speech, TTS)模型,特别为对话场景设计。它适用于大语言模型(Large Language Models, LLMs)助手的对话任务,以及对话式音频和视频介绍等应用。ChatTTS支持中文和英文,并且能够实现自然流畅的语音合成,同时支持多说话人。它通过使用大约100,000小时的中文和英文数据进行训练,实现了高质量和自然度的语音合成。

  2. ChatTTS的功能特色

    • 对话式TTS:针对对话式任务进行了优化,实现了自然流畅的语音合成效果,并支持多说话人模式。
    • 细粒度控制: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。
    • 更好的韵律: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。
    • 多语言支持:支持中文和英文,满足不同语言用户的需求。
    • 大规模数据训练:使用了大量数据进行训练,确保了声音合成的质量高,听起来自然。
    • 对话任务兼容性:适合处理通常分配给大型语言模型LLMs的对话任务,提供更自然流畅的互动体验。
    • 开源计划:项目团队计划开源一个经过训练的基础模型,促进学术研究和社区发展。
    • 控制和安全性:致力于提高模型的可控性,添加水印,并将其与LLMs集成,确保模型的安全性和可靠性。
    • 易用性:为用户提供了易于使用的体验,只需要文本信息作为输入,就可以生成相应的语音文件。
  3. 如何运行?
    本地启动app.exe即可

  4. 应用场景

    • 大型语言模型助手的对话任务:为LLM助手提供自然流畅的语音响应。
    • 生成对话语音:适用于需要生成自然对话声音的场景,如虚拟助手、客服系统等。
    • 视频介绍:为视频内容提供语音介绍,增强视频的吸引力和互动性。
    • 教育和培训内容语音合成:为在线教育和培训材料提供语音,提高学习体验。
    • 任何需要文本到语音功能的应用或服务:适用于需要将文本转换为语音的各种应用或服务。

综上所述,ChatTTS是一个功能强大的文本到语音模型,适用于多种场景,能够提供高质量的语音输出,支持多语言,并且易于集成到各种应用中。

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!