ChatTTS真人文本转语音模型，富有韵律与情感，且免费开源

news2024/9/22 4:12:09

上期图文教程，我们分享了微软TTS真人转语音大模型，但是微软的TTS模型只有针对新用户免费一年，其他用户都是收费的，虽然微软开源了部分TTS的功能，但是针对真人类似的富有情感的TTS模型并没有进行开源，本期介绍的ChatTTS是一个开源的真人转语音模型。

ChatTTS简介

ChatTTS是专门为对话场景设计的文本转语音模型，例如LLM助手对话任务。它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。ChatTTS是一款强大的对话式文本转语音模型。它有中英混读和多说话人的能力。ChatTTS不仅能够生成自然流畅的语音，还能控制笑声，停顿，语气词啊等副语言现象。这个韵律超越了许多开源模型，首先听一段模型自动生成的语音。

对话式 TTS: ChatTTS针对对话式任务进行了优化，实现了自然流畅的语音合成，同时支持多说话人。
细粒度控制: 该模型能够预测和控制细粒度的韵律特征，包括笑声、停顿和插入词等。
更好的韵律: ChatTTS在韵律方面超越了大部分开源TTS模型。同时提供预训练模型，支持进一步的研究。

ChatTTS是一个开源模型，可以根据开源代码进行文本转语音的生成，当然，hugging face上也有开源的在线网页，直接免去了代码的部署，在线就可以生成高质量的语音。

ChatTTS使用

ChatTTS是一个开源的模型，可以直接使用官方提供的代码进行文本转语音的生成。首先需要复制ChatTTS整个GitHub仓，并在ChatTTS文件夹下安装需要的第三方模型。当然ChatTTS基于pytorch，确保自己电脑有GPU版本的torch库。

!git clone -q https://github.com/2noise/ChatTTS
%cd ChatTTS
!pip install -q omegaconf vocos vector_quantize_pytorch gradio cn2an pypinyin  WeTextProcessing

安装完成后，便可以输入如下代码加载模型。代码第一次执行时，会自动下载相关的预训练模型，等待下载完成后，就可以生成语音了。

import torch
torch._dynamo.config.cache_size_limit = 64
torch._dynamo.config.suppress_errors = True
torch.set_float32_matmul_precision('high')

import ChatTTS
from IPython.display import Audio
chat = ChatTTS.Chat()
chat.load_models()

ChatTTS支持语音速度的调整，停顿的选择以及添加笑声等等，代码可以直接输入文本，让模型自动添加对应的停顿以及笑声关键词即可，也可以自行添加其关键词。

params_infer_code = {'prompt':'[speed_5]', 'temperature':.3}
params_refine_text = {'prompt':'[oral_2][laugh_0][break_6]'}

wav = chat.infer('四川美食可多了，有麻辣火锅、宫保鸡丁、麻婆豆腐、担担面、回锅肉、夫妻肺片等，每样都让人垂涎三尺。', \
    params_refine_text=params_refine_text, params_infer_code=params_infer_code)
Audio(wav[0], rate=24_000, autoplay=True)

基于ChatTTS的开源代码搭建了网页部署版本，可以直接在Google cloab 或者本地运行。

!git clone -q https://github.com/6drf21e/ChatTTS_colab
%cd ChatTTS_colab
!git clone -q https://github.com/2noise/ChatTTS
%cd ChatTTS
!git checkout -q f4c8329
%cd ..
!mv ChatTTS abc
!mv abc/ChatTTS ./ChatTTS
!pip install -q omegaconf vocos vector_quantize_pytorch gradio cn2an pypinyin openai jieba WeTextProcessing
# 启动 Gradio 有公网地址
!python webui_mix.py --share

执行以上代码后，模型会自动下载，并部署网页版本ChatTTS，等待部署完成，直接打开公共链接即可。

INFO:httpx:HTTP Request: GET https://api.gradio.app/pkg-version "HTTP/1.1 200 OK"
INFO:httpx:HTTP Request: GET https://checkip.amazonaws.com/ "HTTP/1.1 200 "
Running on local URL:  http://127.0.0.1:7860
INFO:httpx:HTTP Request: GET http://127.0.0.1:7860/startup-events "HTTP/1.1 200 OK"
INFO:httpx:HTTP Request: HEAD http://127.0.0.1:7860/ "HTTP/1.1 200 OK"
INFO:httpx:HTTP Request: GET https://api.gradio.app/v2/tunnel-request "HTTP/1.1 200 OK"
Running on public URL: https://054d1298c1303e0370.gradio.live

此项目不仅使用了ChatTTS进行文本转语音，且提供了OpenAI的ChatGPT的接口，可以利用提示词生成短篇小说，并自动生成音频小说，且支持长语音生成与多角色语音生成，一篇文本小说有声读物就可以诞生啦。

当然hugging face也部署了网页版本的ChatTTS，不喜欢代码部署的小伙伴可以直接在hugging face上面体验ChatTTS的功能。整体体验下来，还是不错的，直接输入自己的文本，生成的音频，让别人去听，很难区分是合成的音频。

https://huggingface.co/spaces/Dzkaka/ChatTTS
https://github.com/2noise/ChatTTS/blob/main/README_CN.md
https://github.com/6drf21e/ChatTTS_colab?tab=readme-ov-file

更多transformer，VIT，swin tranformer
参考头条号：人工智能研究所
v号：启示AI科技

动画详解transformer 在线教程