简介
ChatTTS是专门为对话场景设计的文本转语音模型,支持多人同时对话,适用的场景非常丰富,比如LLM助手对话任务
,视频配音
、声音克隆
等。同时支持英文和中文两种语言。最大的模型使用了10万小时以上的中英文数据进行训练,功能非常的强大。
文本转语音(TTS)在生活中的应用非常的广泛,比如有声小说、语音导航,视频配音和智能家居控制等。
今天给大家推荐一个超强的TTS文本转语音应用,适用于自然、对话式文本转语音,特别适用于大型语言模型助手的对话任务,以及诸如对话式音频和视频配音等,并且可以免费使用。
教程
1. 下载项目源码
点击进入 chatTTS开源项目地址https://github.com/2noise/ChatTTS
解压zip文件,安装python sdk python下载地址
2. 安装项目依赖
cmd控制面板 进入项目根目录,创建python虚拟环境
- 执行命令,创建一个名为.venv的虚拟环境:
bash
python -m venv .venv
-
执行后会在项目根目录下生成一个
.venv
文件夹
-
执行安装项目依赖命令,下载安装项目所需要的环境依赖
bash
pip install --upgrade -r requirements.txt
![](https://i-blog.csdnimg.cn/direct/c0394de5318b44dca8ce5c26a3342c48.png)
- 等待下载安装完成
快速启动
确保在执行以下命令时,处于项目根目录下。
启动 WebUI 可视化界面,执行以下命令:
bash
python examples/web/webui.py
- 下次启动只用在项目根目录下执行这个命令即可
- 首次启动会从https://huggingface.co下载AI语音模型,需要科学上网,过程需要大约20分z左右。
使用教程
启动完成后,会在浏览器里自动打开本地网址。
![](https://i-blog.csdnimg.cn/direct/e6c938cfcfb74af285e3ee59793db9fe.png)
- 如果没有打开,自己在浏览器输入栏,输入网址 http://localhost:8080/
文生音频
在输入文本框内输入你要生成的语音的文字
![](https://i-blog.csdnimg.cn/direct/a8837685df794121bb5334818b94f1f0.png)
选择你想要的音色
![](https://i-blog.csdnimg.cn/direct/217ded9d3ced4daa8d676e8c60e7f9a1.png)
点击生成
会在输出音频框内显示生成的音频,点击下载图标,可以下载音频。
![](https://i-blog.csdnimg.cn/direct/e13604b23fc24d19b8a743ff77986f1e.png)
声音克隆
在采集音频这个上传一段你想要克隆的人物的声音视频,不要出现其他人物的声音和其他杂音,时长一分钟左右即可。
上传完,在音频代码里面会有你克隆声音的向量代码,复制粘贴,
把复制的人物语音向量代码粘贴到说话人嵌入里面
然后和文生音频的步骤一样,输入你要合成的文字,点击生成按钮即可获得,某个人得克隆音频。
相关文章推荐
《使用 Xinference 部署本地模型》
《Fastgpt接入Whisper本地模型实现语音输入》
《部署和接入使用重排模型bge-reranker》
《部署接入 M3E和chatglm2-m3e文本向量模型》
《Fastgpt 无法启动或启动后无法正常使用的讨论(启动失败、用户未注册等问题这里)》
《vllm推理服务兼容openai服务API》
《解决vllm推理框架内在开启多显卡时报错问题》