ChatTTS-ui 音色定制实战快速调出专属语音的完整指南【免费下载链接】ChatTTS-ui一个简单的本地网页界面使用ChatTTS将文字合成为语音同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui你录过产品解说吗模板腔的配音往往让人一句话就划走。问题不在文案在声音——ChatTTS-ui 音色定制要解决的就是这件事把声音调成你的并且长期保持一致。整个过程分四步先出声再调旋钮然后管音色库、做批量筛选。下面按顺序来。先跑通用预置音色合成第一段声音 别急着定制先让系统出声。克隆仓库按 requirements.txt 装好依赖执行python app.py。首次启动会自动下载模型国内网络走 modelscope别开代理。浏览器会跳到http://127.0.0.1:9966。在页面选一个预置音色比如 2222输入一句话点合成。戴上耳机听。默认采样参数是 temperature 0.3、top_p 0.7、top_k 20这就是你的基准线。觉得这个音色可以记下这个数字觉得不行继续下一步。三个旋钮seed、音色文件与效果标签怎么配合 ChatTTS-ui 控制音色靠的是三个东西。逐个说。seed 种子值决定音色长相的随机数种子。填任意大于 0 的整数系统就按这个数生成一个随机音色。同一个数、同一台机器出来的声音基本是同一个但换台机器或隔段时间音调可能有细微漂移。这是机制特性不是 bug。音色文件音色的身份证。把某个满意的音色存成文件放进 speaker/ 目录以后直接点名使用不再依赖随机。效果标签写在prompt字段里的控制符格式如[oral_2][laugh_0][break_6]。oral_X管口腔状态和咬字laugh_X管笑声强度break_X管停顿长短。标签只改怎么念不改谁在念。现在动手把音色值换成 8888 生成一遍听个大概再在 prompt 里加[break_3]对比停顿感。听到满意的先记下种子值后面会用到。音色库管理.pt 与 .csv 的差异和一键转换流程speaker/ 目录就是整个音色库。界面上能选的音色全部来自 uilib/utils.py 中get_speakers()对这个目录的扫描只认两种扩展名.csv纯文本格式一个音色一行数字。你输入数字音色值合成时系统会自动把它存成{数字}.csv等于免费帮你存档。.ptPyTorch 张量格式社区分享的音色文件大多用这种。注意 0.96 版本后 ChatTTS 内核升级旧格式 pt 不能直接用了。转换走一键流程把seed_开头、_emb.pt结尾的文件放进 speaker/执行python cover-pt.py脚本会生成以-covert.pt结尾的新文件例如seed_2155_restored_emb-covert.pt。转完把原始 pt 删掉即可。在界面上点名这类文件时把不带目录的完整文件名填进音色字段。脚本细节见 cover-pt.py。API 精调custom_voice 与采样参数的组合策略Web 界面背后是http://127.0.0.1:9966/tts接口POST 请求。关键字段text必填voice选预置音色2222 / 7869 / 6653 / 4099 / 5099 等custom_voice填大于 0 的整数一旦设置就忽略voicetemperature、top_p、top_k控制发音随机性。import requests res requests.post(http://127.0.0.1:9966/tts, data{ text: 自定义音色测试, custom_voice: 8888, temperature: 0.3, top_p: 0.7, top_k: 20, prompt: [oral_2][laugh_0][break_6] }) print(res.json())成功返回code:0和音频路径失败返回code:1和原因。组合策略很简单音色归 seed 管锁定音色后别动种子只动采样参数。稳度归 temperature 管0.1-0.3 偏稳定适合旁白0.4 以上更活泼但偶发怪读。发散度归 top_p 和 top_k 管top_k 是候选池大小top_p 是累积概率两者共同决定发音能跑偏多远。日常别动它们调不稳了再收紧。批量生产音色完整流程与样本命名规则解读 找音色靠人海战术同一句测试文本换一批种子逐个生成然后集中试听。用接口循环最快import requests for seed in range(1000, 2100, 100): res requests.post(http://127.0.0.1:9966/tts, data{ text: 同一个测试句, custom_voice: seed, temperature: 0.3, top_p: 0.7, top_k: 20 }) print(seed, res.json()[audio_files][0][filename])生成完的 wav 文件名自带全部参数例如103512_use2.31s-audio4.1s-seed1983-te0.3-tp0.7-tk20-textlen5-12345.wav。拆开看seed1983音色种子te/tp/tktemperature / top_p / top_ktextlen5文本长度use2.31s/audio4.1s推理耗时 / 音频时长凭文件名就能还原生成条件对照试听不会乱。建议把对比样本集中归档到一个目录如listen-speaker用同一句文本做受控对比。听到选中的那个记下种子或直接让系统存成 csv 文件复用。设备与性能GPU 显存的自动选择逻辑设备选择写在 app.py 里规则由.env的device字段驱动default表示自动也可手动指定cuda、cpu、mps。自动逻辑有 NVIDIA 卡且显存充足选空闲显存最大的那张显存不够就退回 CPUmacOS 的 M 系列芯片走 MPS实验性。硬件情况实际行为建议N 卡显存 ≥ 4GBCUDA 12.8自动启用 GPU批量生产的最佳配置N 卡显存 4GB强制 CPU偶发合成可用别跑批量无 N 卡Intel/AMDCPU速度慢耐心等macOS M 系列MPSdevicemps兼容性偶有波动想批量干活8GB 显存起步最省心。装不上 CUDA 版 torch 时先卸载再重装别混装。场景配方有声书旁白、电商带货与播客开场三个现成组合按场景对号入座。有声书旁白长文本最怕飘。锁定一个音色文件temperature 压到 0.2top_p 0.7、top_k 20 保持默认prompt 用[break_3]控制句间停顿。长段落按章拆分后分别合成避免单次文本过长。电商带货要的是劲头。种子往 4000-8000 区间多试挑出来偏亮的音色temperature 提到 0.4prompt 加[laugh_0]和短停顿[break_1]语速用默认 5。活泼但不失真的关键是温度别超 0.5。播客开场开场白要有呼吸感。temperature 用基准 0.3prompt 试[oral_1][break_5]让首句前有一口停顿。开场音色建议单独存一份文件和正文旁白分开避免观众听混。避坑清单按现象排查的故障处理顺序 现象 1音色文件不生效声音没变化先查文件是否在 speaker/ 下再查扩展名是否为.csv或.pt最后查版本——0.96 之前的旧格式 pt 要用python cover-pt.py转成-covert.pt才能用。现象 2启动报Missing spk_stat.pt或缺path.yaml模型不完整。重下模型国内网络关闭代理走 modelscope下完后核对models/pzc163/chatTTS目录里的asset和config是否齐全。更多报错对照 faq.md。现象 3发音不稳定、偶发怪读排查顺序先降 temperature 到 0.1-0.3 → 再收紧 top_k → 最后看单段文本是不是太长拆短再试。现象 4有显卡却走了 CPU或合成很慢确认显存是否 ≥4GBN 卡场景重装 CUDA 版 torch确认 CUDA 版本满足 12.8。显存不足时退回 CPU 是预期行为不用折腾。现象 5启动报 Dynamo 或 triton 相关错误.env里把compiletrue改成compilefalse如果还报 Python 版本不兼容降到 3.10。音色、参数、库、批量四步走完你就有一套能长期复用的声音资产。 下一步可能是音色混合或按文本内容自动选音。 那都是现有结构上就能长的功能。 先去浏览器里把下一个种子合成出来。【免费下载链接】ChatTTS-ui一个简单的本地网页界面使用ChatTTS将文字合成为语音同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考