ChatTTS

ChatTTS 是一个专为对话场景设计的文本转语音模型，由 2noise 团队在 GitHub 上开源。它要解决的问题很具体：让机器念出来的话像人在聊天，而不是新闻播报。输入一段文字，调用 infer 方法就能得到 24kHz 采样率的音频，适合接进大模型助手的语音回复、对话式音频和视频介绍。

主要功能

模型支持中文和英文，官方称训练数据约十万小时。它针对对话任务做了优化，能生成带停顿和语气起伏的语音；开发者也可以用自己的数据集微调，做出特定音色。页面上还挂了一个在线演示，输入文字即可试听，不过演示区常显示「Service is busy」，不一定随时可用。

怎么用

它不是一个装好就能点的软件，而是一套 Python 库。流程是：从 GitHub 克隆代码，用 pip 安装 torch 和 ChatTTS，初始化模型并加载预训练权重，再调用 infer 生成音频。官方页面给出了完整示例脚本，照着跑通不算难，但需要本地有 Python 环境和一定算力。

费用与限制

代码开源，可免费使用，没有账号体系。合成质量会随文本长度和复杂度波动，实时生成高质量语音对硬件有要求。页面提到团队计划开源基础模型并加入水印等控制手段，具体进度以 GitHub 仓库为准。