39.0k
Stars
+3250
Stars/month
0
Releases (6m)
Overview
ChatTTS是一个专为对话场景设计的生成式语音模型，特别优化用于LLM助手等对话应用。该模型使用超过10万小时的中英文音频数据训练，能够生成自然流畅的对话语音。ChatTTS的核心优势在于其针对对话任务的专门优化，支持多个说话者角色，能够预测和控制细粒度的韵律特征，包括笑声、停顿、插语等自然对话元素。模型在韵律表现方面超越大多数开源TTS模型，为对话系统提供更加真实自然的语音体验。目前开源版本包含4万小时预训练模型，支持流式音频生成和零样本推理，适用于学术研究和开发实验。
Pros
- + 专为对话场景优化，支持多说话者和自然对话流
- + 细粒度韵律控制，可生成笑声、停顿等对话元素
- + 超越大多数开源TTS模型的韵律质量表现
Cons
- - 开源版本仅限学术用途，商业应用受限
- - 目前只支持中英文两种语言
Use Cases
- • LLM助手和聊天机器人的语音交互功能
- • 多角色对话系统和虚拟助手应用
- • 语音合成研究和对话系统开发实验
Getting Started
通过pip安装ChatTTS包，从HuggingFace下载预训练模型文件，使用Python API加载模型并输入文本生成语音输出