ChatTTS：一个专为对话场景设计的语音生成模型

gythy1978

站长之家（ChinaZ.com）5月28日 消息:ChatTTS是一个为对话场景设计的语音生成模型，专门用于大型语言模型（LLM）助手的对话任务、对话语音和视频先容等应用。这个模型支撑中文和英文，并且在视频中展示的是中等参数的版本，使用了约10万小时的中英文数据进行训练。

项目团队在视频中明确表示，虽然他们感谢关注，但可能不会开源视频中展示的版本，因为该版本使用了大量互联网数据，并进行了特定的训练方式，可能涉及法律风险。



视频点此查看:https://www.bilibili.com/video/BV1zn4y1o7iV/

相反，他们计划开源一个使用4万小时数据训练的基础模型，这个版本虽然网络规模较小，稳定性略差，但效果已经很好，并且生成的结果可以被开源的安全模型或resemble.ai检测出来。

团队未来的工作重点将放在提高模型的可控性、加入水印以及与LLM的对接上。他们承诺将在当周开源上述模型。

应用潜力和特点:

应用场景广泛:ChatTTS适用于大型语言模型助手的对话任务、对话语音和视频先容等，这表明它可以集成到多种应用程序和服务中，提供更加自然和流畅的交互体验。

多语言支撑:模型支撑中文和英文，这意味着它可以服务于更广泛的用户群体，跨越语言障碍。

大量数据训练:通过使用约10万小时的中英文数据进行训练，ChatTTS在语音合成方面表现出较高的质量和自然度。

开源计划:尽管存在法律风险，项目团队计划开源一个训练有素的基础模型，这将有助于学术界和开发者社区进一步研究和开发。

可控性和安全性:团队承诺未来的工作重点将放在提高模型的可控性、加入水印以及与LLM的对接上，这表明他们重视模型的安全性和可靠性。

免责声明:项目提供了明确的免责声明，指出模型仅供学术交流使用，不得用于商业或法律目的，并且编辑不保证信息的准确性和完整性。

使用说明和代码示例:为了帮助用户更好地理解和使用ChatTTS，项目提供了使用说明和代码示例，这有助于降低用户的入门门槛。

文本转语音的实用性:ChatTTS的使用过程相对简单，用户只需提供文本信息即可获得语音文件，这对于有语音合成需求的用户来说非常方便。

然而，用户在使用ChatTTS时需要注意其免责声明，并确保其使用符合规定的范围，避免违反相关法律法规。开源后的模型也将为社区带来新的学习和创新机会，推动语音合成技术的发展。

项目地址：https://github.com/2noise/ChatTTS