对话式文本转语音
ChatTTS 面向对话场景而非通用播报，重点支持对话任务和对话式简介。
概述
ChatTTS 是一款为对话场景设计的文本转语音语音生成模型。该产品以 GitHub 项目 `2noise/chattts` 的形式展示，同时网站上也提供了免费的 ChatTTS 在线体验。
其说明用途是为对话导向的工作流生成语音，包括大型语言模型助手对话以及对话式音频或视频简介。来源称该模型支持中文和英文，并使用约 100,000 小时的中文和英文数据进行训练，以提升语音质量和自然度。
网站还描述了一个计划中的开源基础模型，该模型将使用 40,000 小时数据训练，旨在支持进一步的研究与开发。页面中的示例工作流展示了一个简单的基于 Python 的设置：加载模型、将文本转换为语音，并播放生成的音频。
特性
支持中文和英文
来源说明支持中文和英文，因此该模型可用于多语言工作流。
大规模训练数据
页面描述其使用约 100,000 小时的中文和英文数据进行训练，以提升语音质量和自然度。
LLM 对话兼容性
网站表示该模型适合 LLM 助手对话任务，因此可用于合成语音需要契合对话流程的场景。
计划开源基础模型
来源提到计划开源一个使用 40,000 小时数据训练的基础模型，供学术和开发者社区使用。
文本输入到音频输出
使用示例展示了一个简单流程：加载模型，输入文本，并通过 `chat.infer(...)` 生成音频输出。
使用场景
LLM 助手对话
当 LLM 助手需要与对话上下文相匹配、而不是听起来像通用旁白的语音回复时，可使用 ChatTTS。
音频和视频简介
为产品演示、发布短片或讲解内容生成语音，适用于来源页面提到的对话式音频和视频简介。
双语语音合成
将书面文本转换为语音，适用于需要单一模型支持多语言的中文和英文工作流。
原型生成流程
当你需要一个轻量级原型或演示来做语音生成时，可按页面展示的“文本输入、音频输出”流程进行。
研究和开发者探索
如果你在跟踪对话式 TTS 的研究或社区开发进展，可将计划中的开源基础模型作为参考点。
Pros and Cons
Pros
- 专为对话和以对话驱动的文本转语音场景打造。
- 支持中文和英文。
- 来源文本指出其使用约 100,000 小时的中文和英文数据进行大规模训练。
- 页面包含一个从文本生成音频的直接示例流程。
- 项目团队表示计划开源一个使用 40,000 小时数据训练的基础模型。
Cons
- 来源文本中未提供清晰的套餐细节或价格数字。
- 来源仅给出有限的设置说明，未详细记录平台支持、集成或部署选项。
FAQ
ChatTTS 用于什么场景？
ChatTTS 旨在用于对话式文本转语音，包括 LLM 助手的对话任务以及对话式音频或视频简介。
ChatTTS 支持哪些语言？
来源说明 ChatTTS 支持中文和英文。
如何开始使用 ChatTTS？
来源给出的基本使用流程是：克隆 GitHub 仓库，安装 `torch` 和 `ChatTTS`，加载模型，将文本传入 `chat.infer(...)`，并播放生成的音频。
是否有计划开源模型？
页面说明团队计划开源一个使用 40,000 小时数据训练的基础模型。
页面是否列出了价格？
来源页面未显示价格详情。页面将 ChatTTS 介绍为免费在线产品，并引用了 GitHub 项目 `2noise/chattts`。
Quick Facts
- 类别
- 文本转语音
- 主要用途
- 对话式语音生成
- 语言
- 中文和英文
- 来源域名
- chattts.com
- 项目参考
- GitHub 上的 2noise/ChatTTS
- 价格
- 来源页面未说明