前言：你是否曾为AI语音的生硬呆板而失望？是否希望找到一款能自然表达笑声、停顿和语气词的开源语音工具？一个名为ChatTTS的文本转语音项目在GitHub上掀起风暴，被开发者誉为“突破开源语音天花板”的革命性工具。ChatTTS让我们再次见证了开源社区的创造力。它的出现不仅降低了高质量语音合成的门槛，更为人机交互带来了全新可能。

---

一、ChatTTS简介

ChatTTS是专为对话场景设计的语音生成模型，特别适合LLM助手对话任务。它支持中英文双语，最大模型使用了超过10万小时的中英文数据进行训练（开源版本为4万小时训练模型）。

与普通TTS相比，ChatTTS有四大突破性优势：

• 对话级自然流畅度：针对对话场景优化，语音合成效果接近真人对话的韵律节奏。

• 细粒度韵律控制：通过简单标记即可在语音中加入笑声、停顿和语气词。例如输入“你好啊[laugh]朋友[laugh]”，合成语音中会自然加入笑声。

• 多说话人支持：只需调整参数即可生成不同音色的语音，还能实现中英文混读，效果自然到被网友称为“留子圈神器”。

• 多角色语音支持：支持不同演讲者的声音

实际体验中，ChatTTS生成的语音韵律自然度确实超越了绝大多数开源TTS模型，甚至接近微软Azure等商业产品的水平。

官方GitHub：

https://github.com/2noise/ChatTTS

Hugging Face空间：

https://huggingface.co/2Noise/ChatTTS

访问官网demo地址即可在线体验：

https://chattts.com/zh?__theme=dark

---

二、ChatTTS超强功能展示

1. 笑声与停顿控制

在文本中简单添加控制标签，就能让AI语音拥有真人般的表现力：

text = “你今天看起来真精神[uv_break]是不是有什么好事[laugh]分享一下嘛[laugh]”

生成的语音中会精准插入恰到好处的停顿和自然笑声。

2. 音色自由定制

通过调整音色参数，可以创造出千人千声的效果：

params_infer_code = {
    ‘spk_emb’： rand_spk， # 随机采样或自定义音色
    ‘temperature’： .3，   # 控制随机性
    ‘top_P’： 0.7，        # 解码参数
    ‘top_K’： 20，         # 解码参数
}

有用户甚至用它还原了乔布斯发布会的声音，模仿泰勒·斯威夫特时“几乎听不出AI味”。

---

三、ChatTTS本地部署

(1) 环境准备

# 创建环境
conda create -n ChatTTS python=3.11 -y
conda activate ChatTTS

# 克隆项目
git clone https://github.com/2noise/ChatTTS.git
cd ChatTTS

# 安装依赖,根据CUDA版本调整
pip install -r requirements.txt
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 

（2）代码调用

import ChatTTS
chat = ChatTTS.Chat()
 # 加速推理
chat.load_models(compile=True) 


texts = [“你的文本在这里”]
wavs = chat.infer(texts， use_decoder=True)

---

四、ChatTTS应用场景

1. 自媒体创作：为视频解说生成带情绪的配音，告别机械音

2. 电商直播：24小时不间断的真人风格产品解说，提高转化率

3. 在线教育：为课程内容添加自然生动的讲解声音

4. AI助手对话：让LLM大模型拥有自然发声能力，提升交互体验

5. 有声书制作：虽然目前30秒以上音频生成仍有挑战，但分段处理效果惊艳

当前局限与注意事项

1. 长文本处理：生成超过30秒的音频可能不稳定，需手动分段处理

2. 音色稳定性：相同参数下音色可能略有波动，需要“抽卡”式多试几次

3. 硬件要求：生成30秒音频需至少4GB显存

4. 伦理安全：为防止滥用，开源版本特意添加了高频噪音并压缩为mp3格式，团队已开发检测模型

开发者强调：请严格遵守法律和伦理准则，避免技术滥用风险。

---

参考链接：

ChatTTS介绍

开源语音新巅峰！ChatTTS：笑声停顿皆可控，轻松克隆真人语音