如果你想寻找一款最贴近真人的AI语音生成工具，那么ChatTTS可能是你要的答案。

ChatTTS开源地址：https://github.com/2noise/ChatTTS

核心亮点：

  1. 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。

  2. 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。

  3. 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。

原始版本安装

pip install git+https://github.com/2noise/ChatTTS

原始版本使用

import ChatTTS
from IPython.display import Audio
import torchaudio
<p>chat = ChatTTS.Chat()
chat.load_models(compile=False) # 设置为True以获得更快速度</p>
<p>texts = ["在这里输入你的文本",]</p>
<p>wavs = chat.infer(texts, use_decoder=True)</p>
<p>torchaudio.save("output1.wav", torch.from_numpy(wavs[0]), 24000)

这样的使用方式对于普通用户，没有编程能力的用户，当然不够友好。

还好还有另一个开源UI工具，方便用户使用

https://github.com/jianchang512/ChatTTS-ui

win用户直接解压使用版本

https://github.com/jianchang512/chatTTS-ui/releases

使用限制： 英伟达显卡大于4G显存，并安装了CUDA11.8+后，将启用GPU加速

解压以后直接运行:app.exe

浏览器打开：http://127.0.0.1:9966/

界面介绍

输入框输入你要说的内容。

选择音色/音色值：两个概念一样，可选择的是预设置好的声音，音色值是你可以不断调整数字大小，可以选择到你喜欢的音色。

text seed：使用过Stable Diffusion的老用户都知道，这个是启始噪声值。不同值对结果有影响

prompt：用户定义固定格式的【笑声】【停顿】，目前可以忽略

跳过refine text：对文本进行修改，据说是为了更符合语境，感觉没必要。

其余参数建议保持不变。