ChatTTS.Chat 类方法详解——load、infer、sample_random_speaker

Chat 类概览

import ChatTTS
chat = ChatTTS.Chat()

Chat 类是 ChatTTS 唯一的顶层入口——模型加载、推理、说话人采样都从它出发。

load(compile=False, device=None, source=None, custom_path=None)

加载模型权重。推荐的现代 API。

参数	类型	默认值	说明
`compile`	`bool`	`False`	是否启用 torch.compile 加速
`device`	`str` / `int` / `None`	`None`	设备选择：`'cuda'`、`'cpu'`、GPU 编号
`source`	`str` / `None`	`None`	`'hf'` HuggingFace、`'modelscope'` 国内源、`'custom'` 自定义路径
`custom_path`	`str` / `None`	`None`	source='custom' 时指定本地模型目录

load_models(compile=False)

旧 API，兼容早期代码。功能等价于 load(compile=compile)，但不支持 device / source / custom_path 参数。

infer(texts, params_refine_text=None, params_infer_code=None, skip_refine_text=False, use_decoder=False)

核心推理方法，把文本转成音频波形。

参数	类型	默认值	说明
`texts`	`str` 或 `list[str]`	必填	待合成文本
`params_refine_text`	`RefineTextParams` / `None`	`None`	文本精炼参数
`params_infer_code`	`InferCodeParams` / `None`	`None`	推理代码参数
`skip_refine_text`	`bool`	`False`	跳过文本精炼（见 skip_refine_text）
`use_decoder`	`bool`	`False`	旧参数，保持默认即可

返回值：list[np.ndarray]——每个数组对应一条输入文本的 24 kHz float32 单声道波形。

sample_random_speaker()

从说话人嵌入空间中随机采样一个音色。

返回值：JSON 字符串，可保存后复用
不接受参数
每次调用返回不同值（模型内部随机采样）

完整调用示例

chat = ChatTTS.Chat()
chat.load(compile=False)

# 采样说话人
spk = chat.sample_random_speaker()

# 推理
wavs = chat.infer(
    ["第一条文本", "第二条文本"],
    params_refine_text=ChatTTS.Chat.RefineTextParams(prompt='[oral_5]'),
    params_infer_code=ChatTTS.Chat.InferCodeParams(
        spk_emb=spk,
        temperature=0.3,
        top_P=0.7,
        top_K=20,
    )
)