微信扫码
与创始人交个朋友
我要投稿
上一篇玩儿了一下 AI 语音大模型 ChatTTS,从部署到使用再到接入 Dify(虽然能接入,但是只能展示生成的文件路径)整个过程都很顺畅。
不过在部署上,前置准备工作还是有一些多的,要安装各种依赖、拉取项目源代码以及创建并激活虚拟环境等等。为了方便部署,就有大佬开发了一款 ChatTTS 本地离线整合包并开源到了 Github 上——ChatTTS-Enhanced。
Github 地址:https://github.com/CCmahua/ChatTTS-Enhanced
在 ChatTTS-Enhanced 项目中提供了不同系统(Windows 和 MacOS)的安装包,只要傻瓜式进行安装即可。
安装后双击打开,就可以快速启动增强版的 ChatTTS 了~~
目前已经更新到了 V3 版本,这个版本中的亮点如下:
音质增强/降噪解决Chat-TTS生成时的噪音问题。
支持多TXT、SRT文件批量处理。
支持长文本处理,支持中英混读。可自定义切割长度。
支持导出srt文件。
支持调节语速、停顿、笑声、口语化程度等参数。
支持导入ChatTTS Speaker音色。详情看帮助。
支持储存音色配置与选项配置。方便管理。
那长文本效果具体如何呢?我们一起来听一下:
有一些杂音,这是因为没有开启音质增强,开启之后杂音基本就没有了。
关于音色来说,如果我们想指定一个音色进行生成,可以先到音色库(https://modelscope.cn/studios/ttwwwaa/ChatTTS_Speaker)中找一个比较中意的,然后下载对应的 pt 文件:
将下载好的文件在这里进行上传即可:
这一版本的整合包需要以下配置才可以运行:
Windows: 需要 Win10/11,支持 CPU 和 GPU
MacOS:不管是 M 芯片还是 Intel 芯片,系统版本必须在 10.13 以上
显存在不开启音频增强的情况下需要最低 4G 的配置,对于 Mac 来说,作者目前只做了 CPU 的适配,因为显存这块说是还有些问题。
如果自身及其配置比较低,作者还贴心的提供了云端一键部署的功能,感兴趣的朋友可以在 B 站搜索「嘟嘟实验室」,除了语音整合包之外,还有其他很多好玩儿的整合包。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-09-20
超越传统仪表盘,对话式BI让数据洞察更智能
2024-09-20
GenAI赋能下的对话式BI:数据洞察的未来
2024-09-20
如何使用GPT创建AI Agents?
2024-09-20
AIGCDesign 开放式跨端 AI 组件解决方案
2024-09-20
专访瓴羊CEO朋新宇:AI时代做产品,要从场景解构开始|甲子光年
2024-09-20
周鸿祎的“慢思考”先见,领先OpenAI两个月,大模型联盟显威力
2024-09-20
滴滴新一代大模型存储架构设计与踩坑之路
2024-09-20
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
2024-07-18
2024-03-30
2024-04-26
2024-04-11
2024-05-06
2024-06-12
2024-07-09
2024-05-09
2023-07-01
2024-07-25
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20