ChatTTS文本转真人语音全面指南

前言

ChatTTS（Chat Text-to-Speech）是一款专为对话场景设计的文本转语音（TTS）模型，支持中文和英文，特别适用于大型语言模型（LLM）助手的对话任务。该模型在语音合成中表现出高质量和自然度，能够生成自然流畅的语音。本手册将详细介绍ChatTTS的安装、配置及使用方法。

1. 安装ChatTTS

1.1 准备工作

确保你的计算机已安装Python及必要的库。ChatTTS推荐使用Python 3.x版本。

1.2 下载或克隆项目

你可以通过GitHub或Gitee获取ChatTTS的源代码。推荐使用Git进行克隆：

git clone https://github.com/2noise/ChatTTS.git  
cd ChatTTS

解释

或者，你也可以直接下载项目的压缩包并解压。

1.3 安装依赖

在项目根目录下，使用pip安装所需的Python依赖：

pip install -r requirements.txt

 

注意：如果遇到torch版本不兼容的问题，请按照提示修改requirements.txt文件中的torch版本。

2. 使用ChatTTS

2.1 谷歌Colab使用（适用于初学者）

如果你不想在本地安装复杂的环境，可以使用谷歌Colab来运行ChatTTS。但请注意，这种方式可能需要科学上网并注册谷歌账号。

1. 访问谷歌Colab并登录你的谷歌账号。
2. 导入ChatTTS的Colab笔记本（如果有的话），或者根据官方提供的教程步骤操作。
3. 按照Colab中的指示填写需要转换的文本，并运行代码生成语音。

2.2 本地使用

2.2.1 基本用法

1. 加载模型：首先，你需要加载ChatTTS模型。确保你的模型文件（如Vocos.pt, GPT.pt等）已经下载并放置在正确的目录下。

   from ChatTTS import ChatTTS  
   import torchaudio  
   
   chat = ChatTTS.Chat()  
   chat.load_models(  
       vocos_config_path='path/to/vocos.yaml',  
       vocos_ckpt_path='path/to/Vocos.pt',  
       gpt_config_path='path/to/gpt.yaml',  
       gpt_ckpt_path='path/to/GPT.pt',  
       decoder_config_path='path/to/decoder.yaml',  
       decoder_ckpt_path='path/to/Decoder.pt',  
       tokenizer_path='path/to/tokenizer.pt'  
   )

2. 文本转语音：使用infer方法将文本转换为语音。

   texts = ["你好，欢迎使用ChatTTS！"]  
   wavs = chat.infer(texts, use_decoder=True)  
   torchaudio.save("output.wav", torch.from_numpy(wavs[0]), 24000)

2.2.2 高级用法

ChatTTS支持多种高级功能，如音色选择、韵律控制等。

• 音色选择：通过修改sample_random_speaker或设置固定的seed值来选择不同的音色。
• 韵律控制：利用params_infer_code参数来精细控制韵律特征，如笑声、停顿等。

2.3 WebUI使用

ChatTTS还提供了WebUI界面，方便用户直接在网页上进行操作。

1. 启动WebUI：在项目目录下，使用以下命令启动WebUI服务。

   export CUDA_VISIBLE_DEVICES=0  # 指定使用的GPU  
   nohup python examples/web/webui.py --server_name 0.0.0.0 --server_port 8888 > webui.log 2>&1 &

2. 访问WebUI：在浏览器中打开http://localhost:8888，即可访问ChatTTS的WebUI界面。

3. 输入文本并合成语音：在WebUI界面的文本框中输入需要转换的文本，选择合适的音色和韵律参数，点击“合成”按钮即可生成语音文件。

3. 注意事项

• 确保你的计算机具有足够的计算资源（CPU/GPU）来运行ChatTTS模型。
• 如果在使用过程中