---

最近Chat-TTS模型很火，生成的语音以假乱真，几乎听不出AI的味道。我自己在本地部署玩了一下，记录一下其中遇到的问题。

环境：

系统：windows 11

GPU： Nvidia 4060

Cuda：12.1（建议安装12.1版本，最新的12.4需要自己编程pyotrch包）

cudnn: 9.2

注意：在windows x86平台上建议使用conda虚拟环境来管理python包，很重要的一点是项目依赖的pynini不能在windows x86平台上编译安装，但是可以通过conda提供的二进制包来安装，省去了很多麻烦。

下载文件：

1. 下载项目代码: git clone https://github.com/2noise/ChatTTS.git

2. 下载模型权重文件，我使用的是阿里的modelscope，国内下载比较快。 https://modelscope.cn/models/pzc163/chatTTS/summary
   (有条件可以连接huggingface的，也可以不用自己提前下载，直接运行代码等待自动下载。）
   使用modelscope，可以手动在页面下载，或者通过其提供的SDK下载，使用SDK下载会将模型保存在 C:\Users\<你的用户名>\.cache\modelscope路径下。因为是本地加载模型，我将下载模型文件复制到了当前模型工作路径下F:\Chat-TTS\ChatTTS\model\chatTTS，方便使用。

安装依赖包：

1. 进入下载的ChatTTS项目目录，创建一个新的conda环境conda create -n tts python==3.11.8.我使用了python3.11版本，这个根据自己喜好随意选择。

2. 创建好环境后激活conda activate tts.

3. 安装环境依赖pip install -r requirements.txt, 开始根据项目提供的依赖进行安装第三方库。

4. 其中安装pytorch2.1.2的cuda版本从pytorch的官方源下载比较慢，可以使用阿里的镜像仓库地址：https://mirrors.aliyun.com/pytorch-wheels/cu121/ 从其中下载和自己cuda、python版本匹配的包，如我这里使用的是 pytorch2.1.2， py11，cuda12.1的torch-2.1.2+cu121-cp311-cp311-win_amd64.whl.

5. 另外，模型运行的时候还要额外安装几个依赖库，这我我一并列出，不在下面赘述：

   conda install -c conda-forge pynini=2.1.5
   pip install nemo_text_processing
   pip install WeTextProcessing
   

尝试运行项目：

1. 在项目目录下打开example.ipynb, 尝试修改并运行官方给的示例
   

2. 首先修改模型加载方式为本地加载：

   注释掉原来代码，然后改为本地加载并指定模型的存放路径。如果电脑有gpu可以设置device为cuda来提高模型推理速度，最后因为是在win平台，pytorch的dynamo图模式，不支持compile，所以将compile参数设置为False.
   

3. 执行推理：

   模型加载完成后，即可开始执行推理，点击当前的运行按钮，gpu开行执行推理并将结果保存为音频文件。
   到这里成功的话就说明模型的推理流程已经通了。

但是通过代码的方式运行起来还是比较麻烦，不过项目还提供了webui来使用，这样调节语音生成的参数也更直观方便。

运行webui：

1. 和上面一样，修改模型的加载参数为本地：
   

   其实本地加载参数可以通过在启动时添加参数传入的，但是为了方便，这里我就讲默认的参数直接改为本地启动：

2. 执行webui.py文件：执行后浏览器会自动打开webui页面，或者自己输入http://localhost:8080/来打开。

   接下来的使用就是抽卡了，我们可以自行修改音频生成的种子数，和文本种子，个人感觉这个生成音色的随机性比较大，没什么规律可言，想抽到自己喜欢的音色只能不停的尝试。

生成过程中，模型会自动给文本插入一下语气词、连接词之类的，让文本读起来更自然。

---

好了，总体来说模型部署还是比较简单的，希望大家也能一次性跑起来。