目錄
寫在前面
一、使用ChatTTS
二、優點
三、局限
寫在前面
????????最像人聲的AI來了！語音開源天花板ChatTTS火速出圈，3天就斬獲9k個star。截至發稿前，已經25.9k個star了。這是專門為對話場景設計的語音生成模型，用于LLM助手對話任務、對話語音、視頻介紹等，僅支持中英文。硬件要求低，甚至不需要GPU，一臺普通PC就能運行。
????????主模型使用了 100,000+ 小時的中文和英文音頻數據進行訓練。開源的版本是4 萬小時基礎模型。
? ? ? ? 項目地址：https://github.com/jianchang512/ChatTTS-ui，這是原項目ChatTTS的地址，不用下，我們要使用的是ChatTTS-ui，是給ChatTTS增加了UI，并打好了包，開包即用。
一、使用ChatTTS
? ? ? ? 廢話不多少，先玩起來。
????????1.下載ChatTTS-ui：https://github.com/jianchang512/chatTTS-ui/releases
????????2.解壓縮并運行app.exe
????????3.等一會會自動打開默認瀏覽器，就可以開始生成音頻啦！！
????????
? ? ? ?????????
????????使用也很簡單，輸入文字點擊立即合成，等待一會下方就會出現結果，下面介紹一下參數：
? ? ? ? （1）文本：如果哪里斷句不好，可以加一個[break_1]；如果想調整口語程度可以加[oral_0],數字越大，越口語化；如果想加笑聲可以加[laugh_1]，但經我測試，加了laugh廢話變多了。
????????（2）選擇音色：一共10000個音色，每個音色有一個csv的特征文件，這里下載全部10000個音色。
? ? ? ? （3）音色值：如果懶得下載10000個音色文件，也可以在這里輸入1-10000的數字，值得注意的是，一旦這里輸入，前面的csv就沒用了。音色試聽在這里。
? ? ? ? （4）text seed：擴散模型嘛，肯定要有一個控制噪聲的隨機種子。
? ? ? ? （5）Prompt：現在支持三個值，是全局的，oral控制口語程度數字越大，越口語化，例如[oral_0]就接近朗讀的口氣；langh會使說話過程中插入笑聲，經我測試數越大，與文本無關的廢話越多；break控制斷句，數越大，斷句越干脆。
? ? ? ? （6）跳過refine text：如果正文中加入了[uv_break]二效果不好，可以勾上試試。
? ? ? ? （7）infer token：推理最大token數，默認就行。
? ? ? ? （8）refine token：預處理的時候，會對文本進行優化，使之更適合口語，這個是調整的token數量，也不用動。
? ? ? ? （9）語速：數越大，語速越快，但是變化并不是太明顯。
? ? ? ? ? (10)temperature：數越大語氣、音色、聲調等隨機性越大。
? ? ? ? （11）top_p：控制生成多樣性的參數，數越小，多樣性越強。比如0.3，那下一個預測token的概率只要大于0.3就有可能被選中，當然也要配合下面的top_k使用。
? ? ? ? （12）top_k：同樣控制生成多樣性的參數，數越大，多樣性越強。比如9，那下一個預測token的會選前9個概率最大的，當然也要配合上面的top_p使用。
二、優點
????????1.ChatTTS針對基于對話的任務進行了優化，實現了自然而富有表現力的語音合成，很接近人聲。
????????2.模型可以加入韻律特征，包括笑聲、停頓和嘆詞。
????????3.硬件要求低，雖然是擴散模型，但是在CPU上也能流暢使用
三、局限
????????1.音色文件的提取方式作者沒有開源，所以現在不能定制自己的聲音。
????????2.使用擴散模型，仍然需要抽卡，尤其對于長文本，不好控制，商用會有問題。
????????ChatTTS的使用就簡單介紹到這里，關注不迷路(*^▽^*)
關注訂閱號了解更多精品文章
交流探討、商務合作請加微信
)
)
