最最简单的稳定生成语音教程ChatTTS稳定语音

最最简单的稳定生成语音教程ChatTTS

踩了很多坑探索出来的。

一、简介

ChatTTS是一个开源的中文语音合成项目，通过使用预训练的声音嵌入文件(.pt文件)，我们可以实现固定音色的语音合成。

二、音色固定的步骤

1. 初始尝试

pip install chattts-fork
chattts "测试文本" --seed 222 -o output.wav

使用默认seed值生成的音色可能不够理想。声音控制不稳定。

2. 获取优质音色文件

前往 ChatTTS Speaker 下载评分较高的.pt音色文件。

3. 使用Python代码加载音色文件

import ChatTTS
import torch
from IPython.display import Audio
import torchaudio

# 1. 初始化模型
chat = ChatTTS.Chat()
chat.load_models()

# 2. 加载高质量音色文件
spk_emb = torch.load('seed_11_restored_emb.pt', map_location=torch.device('cpu'))

# 3. 设置生成参数
params_infer_code = {
    'spk_emb': spk_emb,     # 声音嵌入
    'temperature': 0.03,     # 温度参数，控制随机性
}

# 4. 生成语音
text = ["这是测试文本"]
wavs = chat.infer(text, params_infer_code=params_infer_code)

# 5. 保存音频
torchaudio.save("output.wav", torch.from_numpy(wavs[0]), 24000)

三、注意事项

1. 音色文件选择：

   • 优先使用评分较高的.pt文件
   • 确保文件格式正确且未损坏

2. 参数设置：

   • temperature设置为0.03可获得较稳定的效果
   • 使用CPU模式可避免CUDA相关错误

3. 使用建议：

   • 建议使用Python代码方式而不是命令行
   • 文本长度保持适中
   • 保存音频前先试听效果

四、参考资源

• ChatTTS官方项目：https://github.com/yihong0618/ChatTTS
• 音色稳定性评估：https://github.com/6drf21e/ChatTTS_Speaker
• 更多音色资源：https://github.com/libukai/Awesome-ChatTTS