《博主简介》

小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。

✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~

👍感谢小伙伴们点赞、关注！

《------往期经典推荐------》

一、AI应用软件开发实战专栏【链接】

二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~

三、深度学习【Pytorch】专栏【链接】

四、【Stable Diffusion绘画系列】专栏【链接】

五、YOLOv8改进专栏【链接】，持续更新中~~

六、YOLO性能对比专栏【链接】，持续更新中~

《------正文------》

引言

本文主要分享一个最新的ChatTTS语音合成项目的自制一键启动程序【部分界面英文进行了汉化处理】，开箱即用，无需配置运行环境，供小伙伴们学习交流。感兴趣的小伙伴可以文末免费获取。

启动后界面如下：

ChatTTS 简介

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，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。实测语音生成效果还是十分不错的。

一键启动包使用说明

下载压缩包后解压，然后双击一键启动.exe运行压缩包。弹出的控制台会显示运行状态，如下所示：

启动完成后，会自动弹出如下网页。如果没有自动弹出网页，可在浏览器输入控制台显示的url地址即可显示页面，如上方显示的：http://0.0.0.0:8081。

输入想生成语音的文字内容，点击生成音频按钮即可生成音频文件,控制台会显示处理进度。语音生成完成后，点击语音播放即可播放生成的音频文件。点击音频右上角下载标识，即可下载生成的音频文件。

下面对界面中的主要参数进行详细说明。

页面参数说明

文本预处理

表示是否对输入的文本先进行预处理后再进行生成音频。默认勾选。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 Seed

用于初始化随机数生成器的种子值，可用于生成不同音色的音频文件。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。点击旁边的骰子按钮，可对音色进行随机抽卡。

Text Seed

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。点击旁边的骰子按钮，可对文本进行随机抽卡。，处理后会随机加一些更细粒度的控制，比如调整笑声、停顿和口音等。

Audio Temperature

用于控制输出的随机性。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。

进阶使用技巧

除了基本的参数设置，还可以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。

项目地址:https://github.com/2noise/ChatTTS

资料获取

关于本文的一键启动包等文件都已打包好，供需要的小伙伴们学习，免费获取方式如下：

关注文末名片G-Z-H：【阿旭算法与机器学习】，发送【开源】即可免费获取