10分钟本地跑通Chatterbox开源TTS语音合成上手手册【免费下载链接】chatterboxSoTA open-source TTS项目地址: https://gitcode.com/GitHub_Trending/chatterbox7/chatterbox终端跳出一条 wav 文件路径双击就能听到一句英文旁白。Chatterbox 是 Resemble AI 开源的文本转语音TTS模型文字加几秒参考音频就能用那个人的声音说话。项目速写解决的具体痛点开源的零样本声音克隆。不用从零训练模型给一段参考录音就能用那个人的声音朗读任意文本MIT 协议商用也不受限。和同类工具最不一样的点同一模型家族覆盖三种规格——350M 的 Turbo 主打低延迟英文语音 Agent110M 的 Nano 能在 8 核 CPU 上跑 3 倍实时速度500M 的 Multilingual 支持 23 种以上语言且所有生成音频内置 PerTh 不可听感知水印。适合谁用想把语音能力嵌进应用的开发者、需要多语种旁白的内容创作者没有 GPU 的机器也可以先跑 Nano 模型体验完整流程。成本每个模型权重约 500MB首次运行自动下载不需要手动搬文件。⚙️ 跑起来之前系统要求不高Python 3.10 以上官方在 Python 3.11 上测试Linux、macOS、Windows 都可以GPU 不是必需品纯 CPU 能跑只是速度换质量。git clone https://gitcode.com/GitHub_Trending/chatterbox7/chatterbox cd chatterbox pip install -e .第一条命令拉取项目源码仅此一处需要访问外部仓库。pip install -e .一次性装上包和全部依赖torch、gradio 等版本在 pyproject.toml 里已固定不用自己配环境。模型权重无需手动下载第一次调用from_pretrained时自动从云端拉取每个模型约 500MB。 第一次跑通验证环境安装包并导入模型类from chatterbox.tts import ChatterboxTTS # 预期不报 ImportError 即安装成功 print(ok)如果报 torch 版本冲突之类的错回到项目目录重新执行一遍pip install -e .通常就能解决。生成第一条语音运行官方示例脚本python example_tts.py # 预期目录下出现 test-1.wav 和 test-2.wav这个脚本会自动检测设备cuda → mps → cpu先加载英文模型合成一段英文旁白再加载多语言模型合成一段法语。首次运行会明显变慢因为它要连下两个约 500MB 的模型第二次运行就走缓存很快。生成完成后双击test-1.wav听到的就是完整的英文句子到这里说明整条链路通了。打开交互页面启动 Gradio 应用python gradio_tts_app.py # 预期终端打印本地地址浏览器自动打开页面页面左边输入框预填了一段英文文案可上传一段参考音频做声音克隆点 Generate右侧 Output Audio 面板出现合成音频。页面上的 Exaggeration表现力和 CFG/Pace节奏滑杆可以直接拖动改完再生成一次对比效果非常直观。 换个用法多语种旁白指定语言直接生成需要中文、日语、德语等 23 种以上语言的输出时换成 Multilingual 类并传language_idfrom chatterbox.mtl_tts import ChatterboxMultilingualTTS model ChatterboxMultilingualTTS.from_pretrained(devicecpu) text 你好今天天气真不错希望你有一个愉快的周末。 wav model.generate(text, language_idzh) # 预期得到一段普通话朗读language_id传 zh、fr、ja 等语言代码同一段代码切换语言即可适合做本地化旁白或跨语言内容。语音转换把一段录音变成另一个人的声音手里已经有一段录音、想换成目标人声时仓库自带现成脚本 example_vc.py先把AUDIO_PATH原音频和TARGET_VOICE_PATH目标音色参考改成你自己的 wav 路径然后python example_vc.py # 预期生成 testvc.wav你会得到一条新音频说话内容和语气基本不变音色换成了目标参考音频里的那个人。⚠️ 新手高频坑现象第一次跑from_pretrained卡住很久终端像死机了 →原因正在自动下载约 500MB 的模型权重示例脚本要下两个 →一行解法耐心等它跑完第二次加载直接走缓存。现象声音克隆成功了但合成出来的话带着参考音频的口音 →原因参考音频语言和language_id指定的语言不一致 →一行解法改用同语言的参考音频必须跨语言时传cfg_weight0。现象没有 GPU 的机器上生成太慢赶不上使用 →原因500M 主模型对纯 CPU 偏大 →一行解法改用ChatterboxTurboTTS.from_pretrained(devicecpu, nanoTrue)110M 的 Nano 在 8 核 CPU 上可达 3 倍实时。跑通后你已经能独立完成文字到 wav 的合成也能拉起交互页面。下一步建议读 src/chatterbox/tts.py 里generate()的参数把音色和节奏调成自己喜欢的样子。【免费下载链接】chatterboxSoTA open-source TTS项目地址: https://gitcode.com/GitHub_Trending/chatterbox7/chatterbox创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考