ChatTTS 生成的音频有杂音——开源模型的反滥用设计与优化

症状

生成的语音里有持续的、轻微的、类似白噪音的背景杂音。

原因

官方开源的 4 万小时版本模型（HuggingFace 上那一份）带轻微杂音——这是有意设计的：

开源版本的杂音是反滥用设计，防止模型被用于大规模生产。10 万小时的主模型杂音更少，但未公开权重。

所以杂音不是 bug，是官方故意留的。

缓解措施

用 compile=True

虽然 compile 主要用于加速，但某些社区用户反馈 compile 后的音频杂音略少——可能是因为计算图优化减少了数值误差的累积。

用更长的音频

杂音的可感知程度与音频时长有关——短音频（< 5 秒）杂音可能更明显，长音频（> 30 秒）杂音被正常语音掩盖。

后处理降噪

用音频处理工具做降噪：

pip install noisereduce

import noisereduce as nr
clean_wav = nr.reduce_noise(y=wav, sr=24000)

注意：过度降噪会损失语音细节，需要调整参数找平衡点。

联系官方商业授权

如果你需要高质量纯净音频，联系 OPEN-SOURCE@2NOISE.COM 洽谈商业授权方案，或等待官方发布更高质量的开源模型版本。

杂音程度对比

总结

杂音是设计如此，不是错误。个人使用可以忽略或做简单降噪处理。追求专业质量请联系官方授权或自行训练。