简介
ChatTTS 是一个专为对话场景设计的语音生成模型。它不以朗读或长篇播报为目标，而是力求让对话文本的语音表现自然，因此适合用于大语言模型助手的语音回复，以及对话式的音频和视频开场介绍。
该模型支持中文和英文两种语言，训练数据约为十万小时的中英文语音，项目方认为这是其输出自然度的来源。代码通过 GitHub 的 2noise/ChatTTS 仓库发布，项目团队表示计划开源基础模型，供学术研究者和开发者研究与扩展。官网还提供免费的在线演示，访客无需安装任何软件即可听到模型根据示例文本生成的语音。
主要功能
中英双语支持：ChatTTS 可生成中文和英文语音，一个模型即可服务多语言应用，无需切换工具。
面向对话的合成：模型针对对话文本而非正式朗读做了优化，生成的语音适合你来我往的交流和助手回复。
大规模训练数据：训练使用了约 100,000 小时的中英文音频，团队认为这是语音质量的来源。
输入简单：用户只需提供文本，模型返回对应的音频文件，工作流程简洁。
开源计划：团队计划面向研究和开发者社区发布训练好的基础模型。
可控性与安全方面的工作：持续改进可控性，为生成的音频添加水印，以及推进与 LLM 的集成。
程序化访问：开发者克隆仓库、用 pip 安装软件包，再调用一个简短的 Python API 即可生成语音。
定价与费用
- 定价：在我们查阅的页面上未公开列出；请查看官网了解最新方案。
- 免费在线演示：官网提供带示例文本的浏览器演示，但在高负载时可能提示 "service is busy"。
- 可自托管代码：完整流程已在 GitHub 公开，开发者可在本地通过 PyTorch 运行。
- 音频输出：示例脚本以 24,000 Hz 采样率播放生成的音频。
适用人群
ChatTTS 主要面向构建对话类应用的开发者和研究人员，尤其是希望为大语言模型助手添加语音输出的团队。它同样适合制作以对话为主的音频内容的团队，例如视频开场介绍、教育培训讲解，以及任何需要将文本转换为自然中英文语音的服务。由于代码托管在 GitHub 且团队计划开放基础模型，研究语音合成的学者可以直接查看并在其基础上开展研究，而不必把它当作一个封闭的黑盒服务。
常见问题
ChatTTS 是什么？它是一个面向对话场景的文本转语音模型，使用约 100,000 小时的中英文语音数据训练。
ChatTTS 免费吗？代码已在 GitHub 公开，官网提供免费在线演示；所查阅页面上未公开列出商业定价，请查看官网了解最新条款。
ChatTTS 支持哪些语言？支持中文和英文，同一个模型即可生成两种语言的语音。
开发者如何使用 ChatTTS？克隆 GitHub 仓库，用 pip 连同 PyTorch 一起安装软件包，初始化模型后对输入文本调用 infer 方法即可生成音频。
ChatTTS 与其他文本转语音模型有何不同？它专门针对对话任务而非通用朗读做了优化，团队还在推进水印和可控性功能，并考虑与 LLM 集成。
相关教程
查看全部 →
相关工具
查看全部 →
LOVO - AI语音生成与文本转语音平台 提供500多种语音、支持100种语言的AI语音生成及文本转语音软件，含在线视频编辑器和声音克隆功能。 
Murf AI Murf AI 是一个语音平台，提供 AI 文本转语音、配音制作、视频译制与对话式语音代理，服务开发者、内容创作者和本地化团队。 
NaturalReader NaturalReader 是一款 AI 文字转语音平台，可将文档、网页和扫描文本转换为自然的语音，适合个人、商业和教育场景使用。 
Voicebox - Open Source Voice Cloning Desktop App - 即时语音克隆 近乎完美的语音克隆，支持多种TTS引擎。适用于Mac、Windows和Linux的桌面应用，支持多样本、智能缓存，本地或远程推理。 
VoxCPM - 开源音频生成 VoxCPM 是新一代富有创意与表现力（Creative & Expressive）的开源音频生成平台。它依托先进的大语言模型（LLM）音频对齐技术与先进的扩散解码架构，致力于提供电影级、广播级的语音合成体验。