ChatTTS 对话式文本转语音模型中文文档站
关于本站：第三方整理的中文文档站，非官方页面；内容来自公开资料整理，功能与界面以官方最新版为准。
产品档案速览
| 项目 | 说明 |
|---|---|
| 模型类型 | 生成式文本转语音（TTS） |
| 参数量 | ~300M |
| 支持语言 | 中文、英文 |
| 训练数据 | 主模型 10 万小时+，开源模型 4 万小时 |
| 采样率 | 24 kHz |
| VRAM 需求 | 最低 4 GB（30 秒音频），推荐 8 GB+ |
| 开源协议 | 代码 AGPLv3+，模型权重 CC BY-NC 4.0 |
| 首次发布 | 2024 年（GitHub 仓库） |
| 维护组织 | 2noise |
结构导览
本站内容按实际使用路径组织，从模型定位到高级参数控制逐层展开：
- 对话式TTS定位 — ChatTTS 与常规 TTS 的根本差异
- PyPI一行安装 — 最快 3 条命令跑通推理
- 控制标签体系 — oral / laugh / break / uv_break / lbreak 全解读
- 随机说话人采样 — sample_random_speaker() 用法
- Chat类方法详解 — load / infer / load_models 完整 API
- CUDA显存不足 — 显存紧张时的降级方案
适用场景
ChatTTS 不是通用 TTS——它在对话类场景（问答系统、LLM 助手语音化、互动剧情配音、播客旁白）的表现远优于单句朗读。典型用法包括：
- 给大语言模型的文字回复配语音输出
- 生成带自然停顿和笑声的对话音频
- 批量为视频短片生成多角色旁白
- 在本地运行离线语音合成，不依赖任何云端 API
使用前须知
ChatTTS 是需要 GPU 推理的生成模型，不是轻量浏览器插件。首次加载会从 HuggingFace 自动下载模型权重（约数百 MB），后续才是本地推理。开源模型权重带轻微杂音（反滥用设计），如需纯净输出可考虑自行微调或使用 compile=True 优化。