安利免费开源的声音克隆、文本转语音整合包软件、一键本地安装！

安利免费开源的声音克隆、文本转语音整合包软件、一键本地安装！

大家好，我是星哥，今天给大家介绍两款声音克隆、文本转语音的软件，一个是ChatTTS和Spark-TTS，并且都有一键安装包，让你无需复杂的配置，就能在本地轻松体验声音的魅力。

image-20250402195740983

ChatTTS是什么？

ChatTTS是专为对话场景设计的语音生成模型，特别适用于大型语言模型(LLM)助手的对话任务，以及诸如对话式音频和视频介绍等应用。它支持中文和英文，通过使用大约100,000小时的中文和英文数据进行训练，ChatTTS在语音合成中表现出高质量和自然度。

开源地址： https://github.com/2noise/ChatTTS

安装ChatTTS

安装ChatTTS有3种方式，第1种是Docker compose安装ChatTTS-ui(推荐)、第2种是安装一键安装包（推荐）、第3种本地安装方式、

本地部署ChatTTS

系统环境介绍

以下都安装这个系统来介绍

系统：Windows11专业版

CPU: 英特尔I7-13700KF

内存： 32G

硬盘：1T nvme SSD +4T 机械

显卡：RTX 4070 Ti

python版本：Python 3.13.2

系统要安装Docker和Docker compose

Docker compose安装ChatTTS-ui(推荐)

开源地址：https://github.com/jianchang512/ChatTTS-ui

1.拉取项目仓库

在任意路径下克隆项目，例如：

git clone https://github.com/jianchang512/ChatTTS-ui.git chat-tts-ui

2.启动 Runner

进入到项目目录：

cd chat-tts-ui

启动容器并查看初始化日志：

gpu版本
docker compose -f docker-compose.gpu.yaml up -d 
​
cpu版本    
docker compose -f docker-compose.cpu.yaml up -d
​
docker compose logs -f --no-log-prefix

image-20250402173803394

稍等一段时间，使用命令docker ps查看，如下则表示安装成功。

docker ps
CONTAINER ID   IMAGE                                                       COMMAND                  CREATED         STATUS         PORTS                                                                              NAMES
7cce18cbbe8d   chat-tts-ui-chat-tts-ui                                     "/usr/local/bin/dock…"   7 minutes ago   Up 2 minutes   7070-7071/tcp, 8080-8082/tcp, 0.0.0.0:9966->9966/tcp, :::9966->9966/tcp            chat-tts-ui

3.访问 ChatTTS WebUI

启动:['0.0.0.0', '9966']，也即，访问部署设备的 IP:9966 即可，例如：

• 本机：http://127.0.0.1:9966
• 服务器: http://192.168.1.100:9966

image-20250402180205298

4.生成语言

随便输入一段莎士比亚的《哈姆雷特》生存还是毁灭 莎士比亚 活着还是去死？这真是一个值得思虑的问题。

去忍受那狂暴的命运无情的摧残，还是挺身去反抗那无边的烦恼，把它扫一个干净。去死，去睡就结束了？如果睡眠能结束我们心灵的创伤和肉体所承受的千百样痛苦，那真是生存求之不得的天大的好事。

image-20250402193631331

可以调试好可以下载语音。

Windows预打包版(推荐)

从 Releases中下载压缩包，解压后双击 app.exe 即可使用 某些安全软件可能报毒，请退出或使用源码部署 英伟达显卡大于4G显存，并安装了CUDA11.8+后，将启用GPU加速

ChatTTS-UI整合包下载

文件大小： 3.69G

pan点baidu点com/s/1Hnqzm8ZdDKYX0dbvGmW38g?pwd=khds （浏览器中） 提取码: khds

由于平台不让放链接，可以关注“星哥玩云”公众号，回复“TTS安装包”获得ChatTTS和Spark-TTS的一键安装包

本地安装（不推荐）

1.安装Python 和 git环境

需要安装python和git软件

python需要 3.9+ 版本，比如我选择python 3.10.2

安装下git环境，这个就不详细将。

2.克隆 ChatTTS-Ui

3.解压后在根目录下输入CMD进入终端，然后依次执行下面的安装命令：

python -m venv venv
.\venv\scripts\activate
pip install -r requirements.txt

4.如果不需要CUDA加速，执行

pip install torch==2.1.2 torchaudio==2.1.2

如果需要CUDA加速，执行

pip install torch==2.1.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118

5.启动

最后执行 python app.py 启动，将自动打开浏览器窗口，默认地址 http://127.0.0.1:9966

(注意：默认从 modelscope 魔塔下载模型，不可使用代理下载，请关闭代理)

6.下载modelscope下载模型

源码部署启动后，会先从 modelscope下载模型，但modelscope缺少spk_stat.pt，会报错，【点击下载 spk_stat.pt】

下载后将该文件复制到 项目目录/models/pzc163/chatTTS/asset/ 文件夹内

注意 modelscope 仅允许中国大陆ip下载模型，如果遇到 proxy 类错误，请关闭代理。

如果你希望从 huggingface.co 下载模型，请打开 app.py 查看大约第50行-60行的注释。如果需要GPU加速，必须是英伟达显卡，并且安装 cuda版本的torch

# 默认从 modelscope 下载模型,如果想从huggingface下载模型，请将以下3行注释掉
​
CHATTTS_DIR = snapshot_download('pzc163/chatTTS',cache_dir=MODEL_DIR)
chat = ChatTTS.Chat()
chat.load_models(source="local",local_path=CHATTTS_DIR)
​
# 如果希望从 huggingface.co下载模型，将以下注释删掉。将上方3行内容注释掉
​
#os.environ['HF_HUB_CACHE']=MODEL_DIR
#os.environ['HF_ASSETS_CACHE']=MODEL_DIR
#chat = ChatTTS.Chat()
#chat.load_models()

Spark-TTS是什么

Spark-TTS 是最近备受瞩目的一个语音克隆开源项目，由香港科技大学、西北工业大学、上海交通大学等多所高校联合研发。经过本地测试，其效果与 F5-TTS 不相上下。

Spark-TTS 支持中英文语音克隆，安装部署过程并不复杂。本文将详细介绍如何安装部署，并进行修改，使其兼容 F5-TTS 的 API 接口，从而可以直接在 pyVideoTrans 软件的 F5-TTS 配音渠道中使用。

Spark-TTS的项目地址

• 项目官网：https://sparkaudio.github.io/spark-tts/
• Github仓库：https://github.com/SparkAudio/Spark-TTS
• HuggingFace模型库：https://huggingface.co/SparkAudio/Spark-TTS-0.5B

Spark-TTS的主要功能

• 零样本文本到语音转换：Spark-TTS 能在没有特定语音数据的情况下，复现说话人的声音，实现零样本语音克隆。
• 多语言支持：Spark-TTS 支持中英双语，可实现跨语言语音合成。用户可以用一种语言输入文本，生成另一种语言的语音输出，满足多语言场景下的语音合成需求。
• 可控语音生成：用户可以通过调整参数（如性别、音调、语速、音色等）来定制虚拟说话者的声音，生成符合特定需求的语音内容。
• 高效简洁的语音合成：基于 Qwen2.5 架构，Spark-TTS 无需额外的生成模型（如流匹配模型），直接从 LLM 预测的编码中重建音频，提高了语音合成的效率。
• 虚拟说话者创建：用户可以创建完全由自己定义的虚拟说话者，通过参数调整使其具有独特的语音风格，适用于虚拟主播、有声读物等场景。
• 语音克隆与风格迁移：Spark-TTS 支持从少量语音样本中提取风格特征，将其迁移到合成语音中，实现个性化语音风格的复制和迁移。

Spark-TTS的应用场景

• 语音助手开发：Spark-TTS 可以用于开发个性化的语音助手，通过调整音色、语速和语调等参数，生成自然流畅的语音输出，为用户提供更加人性化和个性化的交互体验。
• 多语言内容创作：工具支持中英双语，能实现跨语言语音合成，适合需要在不同语言版本之间保持一致语音风格的内容创作者，例如制作多语言的有声读物、广告或教育材料。
• 智能客服与信息播报：Spark-TTS 可以将文字信息转化为自然语音，用于智能客服系统，提供24小时不间断的服务，或者在公共交通、机场、医院等公共场所进行信息播报。
• 语音克隆与虚拟角色配音：Spark-TTS 支持零样本语音克隆，能快速复制特定说话人的声音风格，适用于虚拟角色配音、动画制作或虚拟主播等领域。

安装Spark-TTS

Spark-TTS整合安装包

由于迅雷限速下载还需要几个小时，等下载好了，再发链接

image-20250402192830272

由于平台不让放链接，可以关注“星哥玩云”公众号，回复“TTS安装包”获得ChatTTS和Spark-TTS的一键安装包

1. 下载Spark-TTS源码

推荐有一定操作基础的这样安装

首先，在非系统盘创建一个由英文或数字组成的文件夹，例如 D:/spark。之所以要求使用英文、数字且非系统盘，是为了尽量避免可能出现的中文、权限等方面的错误。

然后，访问 Spark-TTS 官方代码仓库：https://github.com/SparkAudio/Spark-TTS

如下图所示，点击下载源码的 ZIP 包：

点击下载源码 zip 包

下载完成后解压，将所有文件和文件夹复制到 D:/spark 文件夹中。复制后的目录结构应如下图所示：

复制后目录结构如图

2. 创建虚拟环境并安装依赖

创建虚拟环境

在该文件夹地址栏输入 cmd 并回车，在弹出的黑色终端窗口中执行以下命令：

python -m venv venv

执行后，D:/spark 目录下会多出一个 venv 文件夹：

成功后文件夹会多出一个 venv 目录

注意： 如果在执行时提示 python 不是内部或外部命令，说明没有安装 Python 或没有将其添加到系统环境变量中，请参考相关文章安装 Python。

接下来，执行 venv\scripts\activate 激活虚拟环境。激活后，终端行首会出现 (venv) 字样，表示激活成功。后续所有命令都需要在此环境下执行，每次执行前请检查是否已激活。

确保开头有(venv)字样

安装依赖

在已激活的虚拟环境中，继续在终端中执行以下命令，安装所有依赖：

pip install -r requirements.txt
​
或者：
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

3. 下载模型

开源 AI 项目所需的模型通常托管在 Hugging Face (huggingface.co) 上。由于该网站在国内已被屏蔽，因此需要科学上网才能下载模型。请确保已配置好科学上网环境，并设置了系统代理。

在当前目录 D:/spark 下创建一个名为 down.txt 的文本文件，将以下代码复制粘贴到文件中并保存：

from huggingface_hub import snapshot_download
snapshot_download("SparkAudio/Spark-TTS-0.5B", local_dir="pretrained_models/Spark-TTS-0.5B")
print('下载完成')

然后，在已激活虚拟环境的终端窗口中执行以下命令：

python down.txt

注意检查命令行前是否存在 (venv)：

等待终端提示下载完成。

如果输出类似以下信息，说明网络连接错误，可能是科学上网环境配置不正确：

Returning existing local_dir `pretrained_models\Spark-TTS-0.5B` as remote repo cannot be accessed in `snapshot_download` ((MaxRetryError("HTTPSConnectionPool(host='huggingface.co', port=443): Max retries exceeded with url: /api/models/SparkAudio/Spark-TTS-0.5B/revision/main (Caused by ConnectTimeoutError(<urllib3.connection.HTTPSConnection object at 0x000001BC4C8A4430>, 'Connection to huggingface.co timed out. (connect timeout=None)'))"), '(Request ID: aa61d1fb-ffc7-4479-9a99-2258c1bc0aee)')).

连接失败，请正确配置科学上网环境

4. 启动 Web 界面

模型下载完成后，就可以启动并打开 Web 界面了。

在已激活虚拟环境的终端中执行以下命令：

python webui.py

等待出现如下信息时，表示启动完成：

启动成功

此时，可以在浏览器中打开地址 http://127.0.0.1:7860，Web 界面如下图所示：

打开web界面

5. 语音克隆测试

如下图所示，选择一个你想要克隆音色的音频文件（时长 3-10 秒，发音清晰，背景干净）。

然后在右侧 Text of prompt speech 中输入该音频对应的文本内容，左侧输入你希望生成的语音文本，最后点击底部的 Generate 按钮开始执行。

执行语音克隆

执行完成后，如下图所示。

6. 在 pyVideotrans 软件中使用

Spark-TTS 与 F5-TTS 非常相似，只需进行简单修改，就可以直接在 pyVideotrans 的 F5-TTS 配音渠道中使用 Spark-TTS。

打开 webui.py 文件，在大约第 135 行的上方粘贴以下代码：

    def basic_tts(gen_text_input, ref_text_input, ref_audio_input,remove_silence=None,speed_slider=None):
        """
        Gradio callback to clone voice using text and optional prompt speech.
        - text: The input text to be synthesised.
        - prompt_text: Additional textual info for the prompt (optional).
        - prompt_wav_upload/prompt_wav_record: Audio files used as reference.
        """
        prompt_speech = ref_audio_input
        prompt_text_clean = None if len(ref_text_input) < 2 else ref_text_input
​
        audio_output_path = run_tts(
            gen_text_input,
            model,
            prompt_text=prompt_text_clean,
            prompt_speech=prompt_speech
        )
        return audio_output_path,prompt_text_clean

特别要注意代码对应层级需对齐

特别注意： Python 代码使用空格进行缩进对齐，否则代码会报错。为避免出错，建议不要使用记事本打开 webui.py 文件，而是使用专业的代码编辑器，例如 Notepad++ 或 VSCode 等免费工具。

然后，找到大约第 190 行的 generate_buttom_clone = gr.Button("Generate") 代码。 在其上方粘贴以下代码，同样必须注意对齐：

generate_buttom_clone2 = gr.Button("Generate2",visible=False)
generate_buttom_clone2.click(
       basic_tts,
       inputs=[
          text_input,
          prompt_text_input,
          prompt_wav_upload,
          text_input,
          text_input
       ],
       outputs=[audio_output,prompt_text_input],
       api_name="basic_tts"
 )

注意层级对齐

保存文件后，重新启动 webui.py：

python webui.py

启动时务必注意(venv)

• 将地址 http://127.0.0.1:7860 填写到 pyVideotrans 软件的 “菜单” -> “TTS 设置” -> “F5-TTS” 的 API 地址中，即可开始使用。参考音频的位置和填写方式与 F5-TTS 的使用方法一致。

结束

ChatTTS和Spark-TTS都是非常优秀的免费开源声音克隆、文本转语音软件。 感兴趣的小伙伴可以试试。

写文不易，如果你都看到了这里，请点个赞和在看，分享给更多的朋友；也别忘了关注星哥玩云！这里有满满的干货分享，还有轻松有趣的技术交流～点个赞、分享给身边的小伙伴，一起成长，一起玩转技术世界吧！ 😊