ChatTTS增强版最新版本已经发布、固定音色、支持长文本、批量导出srt、语速控制、情感控制、支持朗读数字

文下载链接在文章末尾，分享来至嘟嘟实验室，每天分享好资源。

ChatTTS增强版最新版本已经发布，本次更新我主要增加了多文本批量、SRT导出、语速控制、情感控制、停顿控制等新功能，并针对上一版本中存在的数字读音异常、随机uv_break等问题进行了修复。

批量txt

新增支持多个txt文本批量导入,会针对每个txt文本进行处理。

听取大家的建议，批量处理后的txt会按照文件名来保存。

导出路径为：

output_audio/你的txt名/

每个文件夹内分别存放着合并后的音频、音频切片、增强后的音频切片。

导出的完整的音频路径为：

output_audio/你的txt名/合并/

导出的音频切片路径为：

output_audio/你的txt名/切片/

导出的增强音频切片路径为：

output_audio/你的txt名/增强切片/

SRT导出

批量模式下支持导出srt文件。会针对每个txt文本合成的音频生成对应的srt文件。

srt会导出路径:

output_audio/你的txt名/你的txt名.srt

srt文本内容

这里说下，srt某些情况下会有误差，需检查下时间戳。

数字转换

由于ChatTTS不能很好地去朗读数字，这里做了一个转换。

比如这句话:

我有10块4090显卡，今天出门丢了1块，很难受，今天是2024年。

这里还是把4090显卡型号以及年份读错了。因为数字转换在特殊情况下还是不能很好地去识别，这里最好的办法就是加空格

修改后的文字:

我有10块4 0 9 0显卡，今天出门丢了1块，很难受，今天是2 0 2 4年。

语速调整

增加了语速调节。默认值为0。最高是10，建议调到5或者6，10的话会有奇怪的英文读音混进去。

口语化调整

这里对这个参数的理解就是口语化，或者是说话的自然程度。

比如还是刚才那句:

我有10块4 0 9 0显卡，今天出门丢了1块，很难受，今天是2 0 2 4年。

其他参数相同，oral为0的效果：

oral口语化程度为0示范,嘟嘟实验室,8秒

oral为5的效果：

oral口语化程度为5示范,嘟嘟实验室,8秒

可以听到，在oral为5的情况下自动添加了：就、啊等语气或者连接词来让音频更加自然。

笑声调整

控制音频的笑声程度。

当然你也可以在文字中输入[laugh]来手动添加笑声。

生成的效果：

laugh笑声效果展示,嘟嘟实验室,13秒

停顿调整

这个参数也可以在文本中输入[uv_break]来手动添加停顿。

问题修复

uv_break问题

首先说下上次最大的问题，好多朋友反馈说会读u_break的问题。这里跟大家说声抱歉，那是个我漏掉的bug。

这个版本我针对这个问题做了调整，大家可以试下。

如果还有这个问题可以将break调整为0，关闭提炼文本尝试下。

IP端口问题

V1版本的ip和端口号是固定的，有些朋友电脑上8080端口是禁用的，造成访问不了网页的问题，或者是开了代理进不去的问题。

这个版本默认ip是127.0.0.1，端口号是自动获取本机开放空闲的端口。

如果你想要自定义ip或端口号，可在整合包根目录下找到config.ini文件。

修改custom_server的值为True表示开启自定义ip、端口号。False为关闭自定义ip、端口号。

ip和端口修改为你想要设定的值即可。

实验性选项

这里是开发中的一个测试选项，还不完善。可自行测试音色固定程度，如果开启后生成的结果无效果，或异常，关掉即可。

已知地是开启后会导致N卡用户音频增强过程变得极慢！！！慎重开启

配置要求

以下是整合包运行所需配置

WIN

Windwos10/11操作系统

支持CPU/GPU

MAC

Apple Silicon M系列芯片、Intel 芯片

MacOS 10.13以上版本

关于显存，最低4G显存(不开启音频增强地情况下)

Mac 由于cuda原因目前只支持cpu进行推理。

下载链接「ChatTTS增强版V2」链接：https://pan.quark.cn/s/330366c703e0