2noise/ChatTTS

项目概览

通过特殊标记实现对笑声和停顿等韵律的细粒度控制，且模型明确针对对话场景进行了优化。

项目类型

模型运行 · 语音音频

应用场景

语音音频

部署方式

Python 环境

License

AGPL-3.0

适合谁

• 寻找专为对话场景优化且具备细粒度韵律控制能力的 TTS 模型的研究人员与开发者。
• 拥有至少 4GB 显存 GPU 且需要在本地环境运行推理实验的个人或团队。

核心能力

• 针对对话类任务进行优化，支持多说话人，实现自然且富有表现力的语音合成。
• 通过特殊标记预测并控制细粒度的韵律特征，包括笑声、停顿和语气词。
• 计划在语音合成过程中支持对更多额外情感的控制能力。
• 可启动本地的 WebUI 与模型进行交互操作。
• 支持从命令行执行推理脚本并保存生成的音频文件。

限制与风险

• 发布的模型仅用于学术目的，旨在供教育和研究使用。
• 模型稳定性尚不够好，可能会出现多说话人问题或音频质量较差的情况。
• 目前仅支持英文和中文。
• 目前仅提供笑声 (laugh)、UV停顿 (uv_break) 和长停顿 (lbreak) 级别的控制单元。
• 模型在 CC BY-NC 4.0 许可下发布，不得用于商业目的。
• 为了防止恶意使用，训练期间添加了少量高频噪声，并使用 MP3 对音频质量进行了压缩。

如何开始

• 通过 pip 安装或克隆仓库代码后，下载模型权重，即可启动 WebUI 界面或运行命令行推理脚本。该过程需要配置 Python 环境并涉及特定硬件考量。

核验依据

• GitHub 项目简介: A generative speech model for daily dialogue.
• README: ChatTTS is a text-to-speech model designed specifically for dialogue scenarios such as LLM assistant.
• README: This repo contains the algorithm infrastructure and some simple examples.
• README: - [x] English - [x] Chinese
• README: 1. **Conversational TTS**: ChatTTS is optimized for dialogue-based tasks, enabling natural and expressive speech synthesis. It supports multiple speakers, facilitating interactive…

来源更新时间：2026-07-16T18:02:37Z

打开原始 GitHub 项目