ChatTTS 最新的一款文本转语音模型，目前支持英文和中文两种语言，面向对话场景的转化则更为精准，在汉语的语音韵律方面超越了以往很多同类模型，此外它还支持细粒度控制，允许在文字中加入笑声、停顿、语气词等，可令整体效果更为逼近真实对话场景。ChatTTS 同时提供了预训练模型，以方便研究者进行进一步的探索。

项目地址：https://github.com/2noise/ChatTTS

上传模型和数据

如果租用的是矩池云亚太区机器可以直接在线下载模型和数据，无需操作以下步骤。

在租用机器前我们先上传需要的模型和数据到矩池云网盘，这样租用机器后就可以直接使用了。

模型放在Huggingface，服务器里直接运行下载可能很慢，所以我们需要提前本地下载好，然后上传到矩池云网盘再租用机器使用。

https://huggingface.co/2Noise/ChatTTS

本地下载好后，把相关文件上传到矩池云网盘即可。

租用机器

本次复现使用的是亚太1区 NVIDIA RTX 4090 配置环境，使用亚太1区可以无感克隆 Github 代码以及下载Huggingface 模型，整体速度也更快。

镜像使用的是 CUDA 12.1 ，选择好机器和镜像后，点击高级选项-自定义端口，设置一个8080端口，用于后面访问 ChatTTS 服务，配置好，点击租用即可。

租用成功后我们可以在租用页面看到机器的 SSH、Jupyterlab 等链接，矩池云官网有详细的教程介绍了如何使用这些链接连接服务器。

配置环境

clone 代码

经常修改的代码和数据集建议放矩池云网盘，Linux 系统实例中网盘对应机器中的 /mnt目录，永久存储，可以离线上传下载数据。

我们点击 Jupyterlab 链接即可直接访问服务器，新建一个 Terminal，输入以下指令 clone 项目。

# 进入网盘目录，我复现项目代码会归纳在一起 /mnt/example/，你改成自己目录即可
cd /mnt/example/
# clone 代码
git clone https://github.com/2noise/ChatTTS

安装依赖

clone 好代码，在安装依赖之前，我们进入项目目录下，看下 requirements.txt 内容，将 torch 注释掉，如下图所示。

安装 requirements.txt 里的依赖和 torch，按以下指令输入即可：

# 进入项目目录
cd ChatTTS
# 安装依赖
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt 
# 其他必要依赖
pip install gradio pynini==2.1.5 WeTextProcessing

看到最后这个警告信息不用管，意思是不建议你在 root 权限下操作安装，实际是安装成功了的。

运行项目

输入以下指令运行项目：

python webui.py --server_port 8080

启动成功后，即可访问租用页面 8080 端口链接。

在页面中可以输入中英文，点击Generate即可开始转换。

官方使用说明：https://www.bilibili.com/video/BV1zn4y1o7iV/

保存环境

配置好环境，我点击租用页面-更多-保存到个人环境，即可保存我们配置好的环境。

取一个环境名称，然后勾选保存成功后自动释放机器，再点击保存环境即可，这样下次使用可以直接打开，操作更方便。