兄弟们 炸裂了 这个语音专文本TTS模型 应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型 该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。 专为对话任务优化，能够支持多种说话人语音，中英文混合等。 模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub： 详细介绍：

测试演示：

分享下使用教程 1. 到 克隆项目 2. 按照以下方式输入代码 3. 运行（运行时看到缺什么组件就装什么组件） 注意： 1. 尽量不使用特殊的标点符号，甚至引号都会影响生成结果。 2. 多音字还是有点问题 3. 一次生成感觉不好可以多生成几次

太炸裂了，刚在这里体验了一下，

3070ti能否一战

有 API 就好了，这个东西个人本地使用还有点门槛，显卡并非人人有啊😂

能保持同一个人的语调吗

网站有错位

语气、节奏、情绪等副语言效果都太赞了，这已经堪比4o voice语音模型的拟人化效果了，还开源👍

不需要再找听力材料，直接根据需要，强度生成恰好的即可，N+1学习。

牛逼的开源项目，未来电话另一头是什么人应该更难区分了