ChatTTS增强版,增强音质、批量处理、固定音色、支持长文本

大家好，最近ChatTTS文字生成语音项目挺火。只需要输入一段文字，就可以生成一段非常逼真的声音。声音的效果非常不错。它支持英文和中文两种语言。我在原版的基础上做了一些改动，整合包分享给大家。

更新记录

2024年06月08日19:25:00

更新V2版本

V2版本介绍

2024年06月04日16:35:12

更新云端一键部署镜像版本

云端一键使用版本

2024年06月04日14:00:00

更新Mac Intel版本

2024年06月04日09:20:00

更新WIN、Mac M芯片版本

视频介绍

【ChatTTS增强版整合包,增强音质、批量处理、固定音色、支持长文本(WIN、MAC)】 https://www.bilibili.com/video/BV1pM4m1z7h9/?share_source=copy_web&vd_source=09316244e4ff3a9793930d67cf748288

功能介绍

除了基础的文本生成音频功能以外。这个版本我还添加了额外的功能。

音频增强

在生成的过程中发现有的音频会有高频噪音，音质不是很好的情况。于是增加了一个增强功能用于解决这个问题。

关于具体的每个参数怎么用，界面上写的很清楚了，这里我不过多解释。默认的音频增强参数已经够用。

开启音频增强/降噪会增加生成时间，这个大家应该也能明白，毕竟处理多了一步。

文本切割

用于解决ChatTTS长文本时音频异常的问题。文本切割和批量是不能同时打开的。

当你文本内容很多时，可以勾选此选项。

默认是50字符进行切割,可改变此选项来调节切割长度。

批量功能

上传一个txt文本，生成时程序会批量读取文本内容，生成切分音频。

这个功能是最后加上的，本来其他功能都已经做完了，准备打包了，一位群友找到我问能不能做ChatTTS项目，并且有没有可能加上批量？那不正好一拍即合了，于是我加班加点安排上了。

为什么选择txt?因为剪映正好可以导出txt文本，所以按照剪映的格式来了。后续考虑增加更多格式支持。

下面是文本的示例，会按照每行进行切分生成。

音频合成

开启后会在长文本或者txt处理完成后合成一整段音频。

如果你开了音频增强或者降噪。会分别生成合成后的原音频、合成后并增强的音频。

输出路径

单段音频生成路径:output_audio/audioclip/segment_0.wav

单段增强音频生成路径:output_audio/audioclip/enhanced_segment_0.wav

合成音频生成路径:output_audio/concatenated_audio.wav

合成增强音频生成路径:output_audio/concatenated_enhanced_audio.wav

配置管理

由于ChatTTS生成的音色是随机的，所以做了个配置界面方便管理音色种子、以及其他参数的设置。

不同的音频种子参数生成的音色也不一样。你可以随机抽取一个你觉得还行的音色。

1. 取一个配置文件名字。
2. 点击保存音色配置。会将界面上的设置、音色种子等参数都保存下来。
3. 提示保存成功。
4. 刷新下配置列表，可以看到刚才保存的配置文件。
5. 选择配置文件。
6. 应用配置文件的参数。

配置要求

以下是整合包运行所需配置

WIN

• Windwos10/11操作系统
• 支持CPU/GPU

MAC

• Apple Silicon M系列芯片、Intel 芯片
• MacOS 10.13以上版本

关于显存，这里引入一段官方原话

对于30s的音频, 至少需要4G的显存. 对于4090, 1s生成约7个字所对应的音频. RTF约0.3.

需要注意

模型稳定性似乎不够好, 会出现其他说话人或音质很差的现象.

这是自回归模型通常都会出现的问题. 说话人可能会在中间变化, 可能会采样到音质非常差的结果, 这通常难以避免. 可以多采样几次来找到合适的结果.

整合包获取

👇🏻👇🏻👇🏻下方下方下方👇🏻👇🏻👇🏻

关注公众号,发送【ChatTTS】关键字获取整合包。

如果发了关键词没回复你！记得看下复制的时候是不是把空格给粘贴进去了！

制作不易，如果本文对您有帮助，还请点个免费的赞或在看！感谢您的阅读！