Chattts Github项目：GitHub – 2noise/ChatTTS: A generative speech model for daily dialogue.
Chattts 增强版 GitHub项目：GitHub – CCmahua/ChatTTS-Enhanced

ChatTTS 是一款为对话场景设计的语音合成模型，专为 LLM 助手任务优化。它不仅支持多语言（中文和英文），还能预测和控制细粒度的韵律特征，包括笑声、停顿和插话等。使用这款工具，你可以实现自然流畅的语音合成，特别适合对话任务。

一、环境

conda 环境的创建、查看、删除，请查看：[[coda创建、查看、删除虚拟环境]]

二、安装

git clone https://github.com/2noise/ChatTTS
cd ChatTTS

（一）直接安装

pip install --upgrade -r requirements.txt

（二）使用 conda 安装

依赖：

conda install -c conda-forge gradio
conda install -c conda-forge pydantic

conda create -n chattts python=3.11
conda activate chattts
pip install -r requirements.txt
pip install safetensors vllm==0.2.7 torchaudio

安装GPU版本torch：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

[!tip] 我的cuda版本是12.4

（三）可选 : 如果使用 NVIDIA GPU（仅限 Linux），可安装 TransformerEngine。

安装过程可能耗时很长。

TransformerEngine 的适配目前正在开发中，运行时可能会遇到较多问题。仅推荐出于开发目的安装。

pip install git+https://github.com/NVIDIA/TransformerEngine.git@stable

（四）可选 : 安装 FlashAttelaoxiongb2cntion-2 (主要适用于 NVIDIA GPU)

支持设备列表详见Hugging Face Doc.

pip install flash-attn --no-build-isolation

三、启动

确保在执行以下命令时，处于项目根目录下。

（一）WebUI 可视化界面

python examples/web/webui.py

（二）命令行交互

[!tip] 生成的音频将保存至./output_audio_n.mp3

python examples/cmd/run.py "Your tlaoxiongb2cext 1." "Your text 2."

四、关键参数详解

在使用 ChatTTS 过程中，了解和调整关键参数非常重要：

Audio Seed
含义: 用于初始化随机数生成器的种子值。设置相同的 Audio Seed 可以确保重复生成一致的语音，便于实验和调试。
推荐 Seed: 3798-知性女、462-大舌头女、2424-低沉男。
Text Seed
含义: 类似于 Audio Seed，在文本生成阶段用于初始化随机数生成器的种子值。
Refine Text
建议: 勾选此选项可以对输入文本进行优化或修改，提升语音的自然度和可理解性。
Audio Temperature
含义: 控制输出的随机性。数值越高，生成的语音越可能包含意外变化；数值较低则趋向于更平稳的输出。
Top_P 和 Top_K
Top_P: 核采样策略，定义概率累积值，模型将只从这个累积概率覆盖的最可能的词中选择下一个词。
Top_K: 限制模型考虑的可能词汇数量，设置为一个具体数值，模型将只从这最可能的 K 个词中选择下一个词。

文本控制
1. Input Text : 需要转换的文本，支持中文和英文混杂
2. Refine text : 是否对文本进行口语化处理
3. Text Seed : 配置文本种子值，不同种子对应不同口语化风格
4. : 随机产生文本种子值
5. Output Text : 口语化处理后生成的文本

音色控制
1. Timbre : 预设的音色种子值
2. Audio Seed : 配置音色种子值，不同种子对应不同音色
3. : 随机产生音色种子值
4. Speaker Embedding : 音色码，详见音色控制

情感控制
1. temperate : 控制音频情感波动性，范围为 0-1，数字越大，波动性越大
2. top_P ：控制音频的情感相关性，范围为 0.1-0.9，数字越大，相关性越高
3. top_K ：控制音频的情感相似性，范围为 1-20，数字越小，相似性越高

系数控制
1. DVAE Coefficient : 模型系数码
2. Reload : 重新加载模型系数

播放控制
1. Auto Play : 是否在生成音频后自动播放
2. Stream Mode : 是否启用流式输出
3. Generate : 点击生成音频文件
4. Output Audio : 音频生成结果
5. ↓ : 点击下载音频文件
6. ▶️ : 点击播放音频文件

示例控制
1. Example : 点击切换示例配置

五、进阶使用技巧

除了基本的参数设置，你还可以通过本地部署 Web UI 或 API 的方式进行更细粒度的控制，比如调整笑声、停顿和口音。以下是一些常用的控制标记：

[oral_(0-9)]: 控制口音强度
[laugh_(0-2)]: 控制笑声
[break_(0-7)]: 控制停顿时间

试试不同的组合，比如 [oral 2][laugh 0][break 4]，探索更多有趣的语音效果。
更多进阶用法：[[ChatTTS —— 进阶用法，手把手带你实现个性化配音，音色、语速、停顿，口语，全搞定_chattts训练自己的声音]]

六、实战经验分享

在实际使用 ChatTTS 过程中，有几点需要注意：

避免使用标点和阿拉伯数字：当前版本对中文标点和阿拉伯数字支持有限，建议转换为读音友好的形式。
处理长文本：ChatTTS 目前对超过 30 秒的音频效果不佳，需要手动修复。
字母间隔：确保字母之间用空格分割，否则会被当作一个单词读取。

七、开机启动

参考：[[Debian 开机启动设置]]
注意： 各种工具，如stable diffusion、sdxl等部署时，需要在开机启动设置中，切换 conda 虚拟环境

程序后台运行，可按如下执行：

cd /root/ChatTTS # 切换到 chattts 目录
conda activate chattts # 运行chattts 虚拟环境
nohup python -u examples/web/webui.py > chattts.log 2>&1 & # 后台执行 chattts 程序
nohup fastapi dev examples/api/main.py --host 0.0.0.0 --port 8000 > fastapt.log 2>&1 &
conda deactivate

Chattts 增强版启动：

cd ChatTTS-Enhanced
conda activate Dlab
python webui/webui.py
python webui/webui.py --server_name=0.0.0.0.0 --server_port=8080
nohup python webui/webui.py > chattts.log 2>&1 & # 后台执行 chattts 程序
conda deactivate

更多关于开机启动：[[Debian 开机启动设置]]

八、参考

[ 1 ] 音色文件：GitHub – 6drf21e/ChatTTS_Speaker: ChatTTS 2000条音色稳定性打分+区分男女年龄+在线试听 ChatTTS 2K Speaker Stability Score & Categorized by Gender and Age & Audio Preview
[ 2 ] Debian GPU环境设置：[[AIGC 实战（环境篇） – EXSI 8.0 Debian安装RTX3060显卡驱动]]
[ 3 ] Debian python等安装：[[AIGC 实战（环境篇） – Python、Anaconda、PyTorch安装]]
[ 4 ] Debian 开机启动设置：[[Debian 开机启动设置]]
[ 5 ] GitHub – xiciliu/Awesome-ChatTTS-2: 官bobyai方推荐的 ChatTTS 最佳入门指南，整理和汇总了常见问题和相关资源
[ 6 ] ChatTTS 保姆级教程从入门到精通-CSDN博客
[ 7 ] Chattts 增强版：GitHub – CCmahua/ChatTTS-Enhanced

[Total: 0 Average: 0]

AIGC 实战（环境篇）—— Debian安装Chattts