yi / ChatTTS-Forge

ChatTTS-Forge 提供了完善的 ChatTTS 封装，包括 API WebUI Playground 等，新功能持续开发中 🚀

🗣️ ChatTTS-Forge

ChatTTS-Forge 是一个功能强大的文本转语音生成工具，支持通过类 SSML 语法生成丰富的音频长文本，并提供全面的 API 服务，适用于各种场景。无论是个性化的语音生成，还是高效的说话人和风格管理，ChatTTS-Forge 都能满足你的需求。

在线体验： ChatTTS-Forge 在线体验

Features

• 风格提示词注入: 灵活调整输出风格，通过注入提示词实现个性化。
• 全面的 API 服务: 所有功能均通过 API 访问，集成方便。
• 友好的调试 GUI: 独立于 Gradio 的 playground，简化调试流程。
• OpenAI 风格 API: /v1/openai/audio/speech 提供类似 OpenAI 的语音生成接口。
• Google 风格 API: /v1/google/text:synthesize 提供类似 Google 的文本合成接口。
• 类 SSML 支持: 使用类 SSML 语法创建丰富的音频长文本。
• 说话人管理: 通过名称或 ID 高效复用说话人。
• 风格管理: 通过名称或 ID 复用说话风格，内置 32 种不同风格。
• 文本标准化: 针对 ChatTTS 优化的文本标准化，解决大部分不支持的 token。
• 独立 refine API: 提供单独的 refine 调试接口，提升调试效率。
• 高效缓存机制: 生成接口采用 LRU 缓存，提升响应速度。

环境准备

1. 克隆项目: git clone https://github.com/lenML/ChatTTS-Forge.git

2. 准备模型，放到如下目录

   

   • 自行下载（任选其一）

     • HuggingFace
     • ModelScope

   • 使用脚本下载（任选其一）

     • HuggingFace: 执行 python ./download_models.py --source huggingface
     • ModelScope: 执行 python ./download_models.py --source modelscope

3. 安装 ffmpeg: apt-get install ffmpeg

4. 安装 rubberband: apt-get install rubberband-cli

5. 安装 Python 依赖: python -m pip install -r requirements.txt

显存消耗估计在 3.7GB 左右

Startup

python launch.py

CLI args

参数	类型	默认值	描述
--host	str	"0.0.0.0"	服务器主机地址
--port	int	8000	服务器端口
--reload	bool	False	启用自动重载功能（用于开发）
--compile	bool	False	启用模型编译
--lru_size	int	64	设置请求缓存池的大小；设置为 0 禁用 lru_cache
--cors_origin	str	"*"	允许的 CORS 源，使用 * 允许所有源

Interface

项目	描述	部署或使用方式	图片
API	部署后打开 http://localhost:8000/docs 可查看详细信息	运行python launch.py
WebUI	某些情况可能需要 WebUI（比如免费使用 HuggingFace），这里实现了一个最简单的版本	运行 python webui.py
Playground	实现了一套用于调试 API 的 Playground 前端页面，独立于 Python 代码非 Gradio	部署后打开 http://localhost:8000/playground/index.html

SSML

SSML readme

Speaking style

style readme

FAQ

noop

Docker

WIP 开发中

References

• ChatTTS: https://github.com/2noise/ChatTTS
• PaddleSpeech: https://github.com/PaddlePaddle/PaddleSpeech