ChatTTS-Forge

ChatTTS-Forge简介

ChatTTS-Forge是一个围绕 TTS生成模型开发的项目，为用户提供灵活的TTS生成能力，支持多种音色、风格控制、长文本推理等功能，ChatTTS-Forge提供了各种API（应用程序编程接口），开发人员可以直接使用这些API轻松将文本转换为语音。

ChatTTS-Forge 是一个围绕 TTS（文本转语音）生成模型开发的项目。为用户提供灵活的TTS生成能力，支持多种音色、风格控制、长文本推理等功能。

ChatTTS-Forge提供了各种API（应用程序编程接口），开发人员可以直接使用这些API轻松将文本转换为语音。此外，它还提供了易于使用的网页界面（WebUI），允许用户直接在网页上输入文本并生成语音，无需编程。

ChatTTS-Forge的主要特点：

• TTS生成：支持多种TTS模型推理，包括ChatTTS、CosyVoice、FishSpeech、GPT-SoVITS等，用户可以自由选择和切换语音。

• 音调管理：内置多种音调，并且可以上传自定义音调。用户可以通过上传音频或文本来创建和使用自定义铃声。

• 风格控制：提供多种风格控制选项，包括调整语音速度、音调、音量，以及添加语音增强（Enhancer）以提高输出质量。

• 长文本处理：支持超长文本自动切分和推理，可以处理生成长文本音频内容。

• SSML支持：使用类似XML的SSML语法进行高级TTS合成控制，适合更详细的语音生成场景。

• ASR（自动语音识别） ：集成Whisper模型，支持语音转文本功能。

ChatTTS-Forge的技术和方法：

API服务器：用Python编写的API服务器提供高效的TTS服务，支持多个并发请求和自定义配置。

WebUI ：基于Gradio的用户界面，用户可以通过简单的操作界面体验TTS功能。

Docker 支持：提供 Docker 容器化部署选项，以简化本地和服务器上的部署过程。

ChatTTS-Forge WebUI 的特点:

• TTS（文本到语音） ：通过WebUI，用户可以使用各种不同的TTS模型输入文本并生成语音。

• 音调切换：支持多种预设音调切换，用户可以选择不同的声音来生成语音。

• 自定义语音上传：用户可以上传自己的语音文件，实时生成个性化语音。

• 风格控制：您可以调整语音的风格，包括语速、音高、音量等参数，以生成满足特定需求的语音。

• 长文本处理：支持处理很长的文本，自动将长文本分割成小段并按顺序生成语音，适合生成长音频内容。

• 批量处理：用户可以设置批量大小，以提高长文本的推理速度。

• 精炼器：这个工具 允许您微调文本以优化生成的语音，对于处理无限长度的文本特别有用。

• 语音增强：集成增强模型以提高生成语音的质量并使其听起来更自然。

• 生成历史：保存最近的3次生成结果，方便用户比较不同设置下的语音效果。

• 多模型支持：WebUI支持多种TTS模型，包括ChatTTS、CosyVoice、FishSpeech、GPT-SoVITS等，用户可以根据自己的需求选择合适的模型。

• SSML支持：使用类似XML的SSML语法来控制语音合成过程，适合需要更复杂控制的场景。

• 播客工具：帮助用户从博客脚本创建长格式、多字符的音频内容。

• 字幕生成：从字幕文件创建 SSML 脚本以生成各种语音内容。

GitHub：https://github.com/lenML/ChatTTS-Forge

在线体验：https://huggingface.co/spaces/lenML/ChatTTS-Forge