安利兩款免費開源的聲音克隆、文本轉(zhuǎn)語音整合包軟件、一鍵本地安裝！
大家好，我是星哥，今天給大家介紹兩款聲音克隆、文本轉(zhuǎn)語音的軟件，一個是ChatTTS和Spark-TTS，并且都有一鍵安裝包，讓你無需復(fù)雜的配置，就能在本地輕松體驗聲音的魅力。
ChatTTS是專為對話場景設(shè)計的語音生成模型，特別適用于大型語言模型(LLM)助手的對話任務(wù)，以及諸如對話式音頻和視頻介紹等應(yīng)用。它支持中文和英文，通過使用大約100,000小時的中文和英文數(shù)據(jù)進行訓(xùn)練，ChatTTS在語音合成中表現(xiàn)出高質(zhì)量和自然度。
開源地址： https://github.com/2noise/ChatTTS
安裝ChatTTS
安裝ChatTTS有3種方式，第1種是Docker compose安裝ChatTTS-ui(推薦)、第2種是安裝一鍵安裝包（推薦）、第3種本地安裝方式、
本地部署ChatTTS 系統(tǒng)環(huán)境介紹
以下都安裝這個系統(tǒng)來介紹
系統(tǒng)：Windows11專業(yè)版
CPU: 英特爾I7-13700KF
內(nèi)存： 32G
硬盤：1T nvme SSD +4T 機械
顯卡：RTX 4070 Ti
python版本：Python 3.13.2
系統(tǒng)要安裝Docker和Docker compose
Docker compose安裝ChatTTS-ui(推薦)
開源地址：https://github.com/jianchang512/ChatTTS-ui
1.拉取項目倉庫
在任意路徑下克隆項目，例如：
git clone https://github.com/jianchang512/ChatTTS-ui.git chat-tts-ui進入到項目目錄：
cd chat-tts-ui啟動容器并查看初始化日志：
gpu版本 docker compose -f docker-compose.gpu.yaml up -d cpu版本 docker compose -f docker-compose.cpu.yaml up -d docker compose logs -f --no-log-prefix
稍等一段時間，使用命令docker ps查看，如下則表示安裝成功。
docker ps CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 7cce18cbbe8d chat-tts-ui-chat-tts-ui "/usr/local/bin/dock…" 7 minutes ago Up 2 minutes 7070-7071/tcp, 8080-8082/tcp, 0.0.0.0:9966->9966/tcp, :::9966->9966/tcp chat-tts-ui啟動:['0.0.0.0', '9966']，也即，訪問部署設(shè)備的IP:9966即可，例如：
? 本機：
http://127.0.0.1:9966? 服務(wù)器:
http://192.168.1.100:9966
隨便輸入一段莎士比亞的《哈姆雷特》生存還是毀滅
莎士比亞
活著還是去死？這真是一個值得思慮的問題。
去忍受那狂暴的命運無情的摧殘，還是挺身去反抗那無邊的煩惱，把它掃一個干凈。去死，去睡就結(jié)束了？如果睡眠能結(jié)束我們心靈的創(chuàng)傷和肉體所承受的千百樣痛苦，那真是生存求之不得的天大的好事。
可以調(diào)試好可以下載語音。
Windows預(yù)打包版(推薦)
從 Releases中下載壓縮包，解壓后雙擊 app.exe 即可使用
某些安全軟件可能報毒，請退出或使用源碼部署
英偉達顯卡大于4G顯存，并安裝了CUDA11.8+后，將啟用GPU加速
ChatTTS-UI整合包下載
文件大?。?3.69G
pan點baidu點com/s/1Hnqzm8ZdDKYX0dbvGmW38g?pwd=khds （瀏覽器中）
提取碼: khds
由于平臺不讓放鏈接，可以關(guān)注“星哥玩云”公眾號，回復(fù)“TTS安裝包”獲得ChatTTS和Spark-TTS的一鍵安裝包
本地安裝（不推薦） 1.安裝Python 和 git環(huán)境
需要安裝python和git軟件
python需要 3.9+ 版本，比如我選擇python 3.10.2
安裝下git環(huán)境，這個就不詳細將。
2.克隆 ChatTTS-Ui
3.解壓后在根目錄下輸入CMD進入終端，然后依次執(zhí)行下面的安裝命令：
python -m venv venv .\venv\scripts\activate pip install -r requirements.txtpip install torch==2.1.2 torchaudio==2.1.2如果需要CUDA加速，執(zhí)行
pip install torch==2.1.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118最后執(zhí)行 python app.py 啟動，將自動打開瀏覽器窗口，默認地址 http://127.0.0.1:9966
(注意：默認從 modelscope 魔塔下載模型，不可使用代理下載，請關(guān)閉代理)
6.下載modelscope下載模型
源碼部署啟動后，會先從 modelscope下載模型，但modelscope缺少spk_stat.pt，會報錯，【點擊下載 spk_stat.pt】
下載后將該文件復(fù)制到 項目目錄/models/pzc163/chatTTS/asset/ 文件夾內(nèi)
注意 modelscope 僅允許中國大陸ip下載模型，如果遇到 proxy 類錯誤，請關(guān)閉代理。
如果你希望從 huggingface.co 下載模型，請打開 app.py 查看大約第50行-60行的注釋。如果需要GPU加速，必須是英偉達顯卡，并且安裝 cuda版本的torch
# 默認從 modelscope 下載模型,如果想從huggingface下載模型，請將以下3行注釋掉 CHATTTS_DIR = snapshot_download('pzc163/chatTTS',cache_dir=MODEL_DIR) chat = ChatTTS.Chat() chat.load_models(source="local",local_path=CHATTTS_DIR) # 如果希望從 huggingface.co下載模型，將以下注釋刪掉。將上方3行內(nèi)容注釋掉 #os.environ['HF_HUB_CACHE']=MODEL_DIR #os.environ['HF_ASSETS_CACHE']=MODEL_DIR #chat = ChatTTS.Chat() #chat.load_models()Spark-TTS 是最近備受矚目的一個語音克隆開源項目，由香港科技大學(xué)、西北工業(yè)大學(xué)、上海交通大學(xué)等多所高校聯(lián)合研發(fā)。經(jīng)過本地測試，其效果與 F5-TTS 不相上下。
Spark-TTS 支持中英文語音克隆，安裝部署過程并不復(fù)雜。本文將詳細介紹如何安裝部署，并進行修改，使其兼容 F5-TTS 的 API 接口，從而可以直接在 pyVideoTrans 軟件的 F5-TTS 配音渠道中使用。
Spark-TTS的項目地址
?項目官網(wǎng)： https://sparkaudio.github.io/spark-tts/
?Github倉庫：https://github.com/SparkAudio/Spark-TTS
?HuggingFace模型庫：https://huggingface.co/SparkAudio/Spark-TTS-0.5B
?零樣本文本到語音轉(zhuǎn)換：Spark-TTS 能在沒有特定語音數(shù)據(jù)的情況下，復(fù)現(xiàn)說話人的聲音，實現(xiàn)零樣本語音克隆。
?多語言支持：Spark-TTS 支持中英雙語，可實現(xiàn)跨語言語音合成。用戶可以用一種語言輸入文本，生成另一種語言的語音輸出，滿足多語言場景下的語音合成需求。
?可控語音生成：用戶可以通過調(diào)整參數(shù)（如性別、音調(diào)、語速、音色等）來定制虛擬說話者的聲音，生成符合特定需求的語音內(nèi)容。
?高效簡潔的語音合成：基于 Qwen2.5 架構(gòu)，Spark-TTS 無需額外的生成模型（如流匹配模型），直接從 LLM 預(yù)測的編碼中重建音頻，提高了語音合成的效率。
?虛擬說話者創(chuàng)建：用戶可以創(chuàng)建完全由自己定義的虛擬說話者，通過參數(shù)調(diào)整使其具有獨特的語音風(fēng)格，適用于虛擬主播、有聲讀物等場景。
?語音克隆與風(fēng)格遷移：Spark-TTS 支持從少量語音樣本中提取風(fēng)格特征，將其遷移到合成語音中，實現(xiàn)個性化語音風(fēng)格的復(fù)制和遷移。
?語音助手開發(fā)：Spark-TTS 可以用于開發(fā)個性化的語音助手，通過調(diào)整音色、語速和語調(diào)等參數(shù)，生成自然流暢的語音輸出，為用戶提供更加人性化和個性化的交互體驗。
?多語言內(nèi)容創(chuàng)作：工具支持中英雙語，能實現(xiàn)跨語言語音合成，適合需要在不同語言版本之間保持一致語音風(fēng)格的內(nèi)容創(chuàng)作者，例如制作多語言的有聲讀物、廣告或教育材料。
?智能客服與信息播報：Spark-TTS 可以將文字信息轉(zhuǎn)化為自然語音，用于智能客服系統(tǒng)，提供24小時不間斷的服務(wù)，或者在公共交通、機場、醫(yī)院等公共場所進行信息播報。
?語音克隆與虛擬角色配音：Spark-TTS 支持零樣本語音克隆，能快速復(fù)制特定說話人的聲音風(fēng)格，適用于虛擬角色配音、動畫制作或虛擬主播等領(lǐng)域。
由于迅雷限速下載還需要幾個小時，等下載好了，再發(fā)鏈接
由于平臺不讓放鏈接，可以關(guān)注“星哥玩云”公眾號，回復(fù)“TTS安裝包”獲得ChatTTS和Spark-TTS的一鍵安裝包
1. 下載Spark-TTS源碼
推薦有一定操作基礎(chǔ)的這樣安裝
首先，在非系統(tǒng)盤創(chuàng)建一個由英文或數(shù)字組成的文件夾，例如D:/spark。之所以要求使用英文、數(shù)字且非系統(tǒng)盤，是為了盡量避免可能出現(xiàn)的中文、權(quán)限等方面的錯誤。
然后，訪問 Spark-TTS 官方代碼倉庫：https://github.com/SparkAudio/Spark-TTS
下載完成后解壓，將所有文件和文件夾復(fù)制到D:/spark文件夾中。復(fù)制后的目錄結(jié)構(gòu)應(yīng)如下圖所示：
創(chuàng)建虛擬環(huán)境
在該文件夾地址欄輸入cmd并回車，在彈出的黑色終端窗口中執(zhí)行以下命令：
python -m venv venv執(zhí)行后，D:/spark目錄下會多出一個venv文件夾：
成功后文件夾會多出一個 venv 目錄注意： 如果在執(zhí)行時提示 python 不是內(nèi)部或外部命令，說明沒有安裝 Python 或沒有將其添加到系統(tǒng)環(huán)境變量中，請參考相關(guān)文章安裝 Python。
接下來，執(zhí)行venv\scripts\activate激活虛擬環(huán)境。激活后，終端行首會出現(xiàn)(venv)字樣，表示激活成功。后續(xù)所有命令都需要在此環(huán)境下執(zhí)行，每次執(zhí)行前請檢查是否已激活。
安裝依賴
在已激活的虛擬環(huán)境中，繼續(xù)在終端中執(zhí)行以下命令，安裝所有依賴：
pip install -r requirements.txt 或者： pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple開源 AI 項目所需的模型通常托管在 Hugging Face (huggingface.co) 上。由于該網(wǎng)站在國內(nèi)已被屏蔽，因此需要科學(xué)上網(wǎng)才能下載模型。請確保已配置好科學(xué)上網(wǎng)環(huán)境，并設(shè)置了系統(tǒng)代理。
在當前目錄D:/spark下創(chuàng)建一個名為down.txt的文本文件，將以下代碼復(fù)制粘貼到文件中并保存：
from huggingface_hub import snapshot_download snapshot_download("SparkAudio/Spark-TTS-0.5B", local_dir="pretrained_models/Spark-TTS-0.5B") print('下載完成')然后，在已激活虛擬環(huán)境的終端窗口中執(zhí)行以下命令：
python down.txt注意檢查命令行前是否存在(venv)：
等待終端提示下載完成。
如果輸出類似以下信息，說明網(wǎng)絡(luò)連接錯誤，可能是科學(xué)上網(wǎng)環(huán)境配置不正確：
Returning existing local_dir `pretrained_models\Spark-TTS-0.5B` as remote repo cannot be accessed in `snapshot_download` ((MaxRetryError("HTTPSConnectionPool(host='huggingface.co', port=443): Max retries exceeded with url: /api/models/SparkAudio/Spark-TTS-0.5B/revision/main (Caused by ConnectTimeoutError( , 'Connection to huggingface.co timed out. (connect timeout=None)'))"), '(Request ID: aa61d1fb-ffc7-4479-9a99-2258c1bc0aee)')).
模型下載完成后，就可以啟動并打開 Web 界面了。
在已激活虛擬環(huán)境的終端中執(zhí)行以下命令：
python webui.py等待出現(xiàn)如下信息時，表示啟動完成：
此時，可以在瀏覽器中打開地址http://127.0.0.1:7860，Web 界面如下圖所示：
如下圖所示，選擇一個你想要克隆音色的音頻文件（時長 3-10 秒，發(fā)音清晰，背景干凈）。
然后在右側(cè)Text of prompt speech中輸入該音頻對應(yīng)的文本內(nèi)容，左側(cè)輸入你希望生成的語音文本，最后點擊底部的Generate按鈕開始執(zhí)行。
執(zhí)行完成后，如下圖所示。
6. 在 pyVideotrans 軟件中使用
Spark-TTS 與 F5-TTS 非常相似，只需進行簡單修改，就可以直接在 pyVideotrans 的 F5-TTS 配音渠道中使用 Spark-TTS。
打開webui.py文件，在大約第 135 行的上方粘貼以下代碼：
def basic_tts(gen_text_input, ref_text_input, ref_audio_input,remove_silence=None,speed_slider=None): """ Gradio callback to clone voice using text and optional prompt speech. - text: The input text to be synthesised. - prompt_text: Additional textual info for the prompt (optional). - prompt_wav_upload/prompt_wav_record: Audio files used as reference. """ prompt_speech = ref_audio_input prompt_text_clean = None if len(ref_text_input) < 2 else ref_text_input audio_output_path = run_tts( gen_text_input, model, prompt_text=prompt_text_clean, prompt_speech=prompt_speech ) return audio_output_path,prompt_text_clean
特別注意：Python 代碼使用空格進行縮進對齊，否則代碼會報錯。為避免出錯，建議不要使用記事本打開webui.py文件，而是使用專業(yè)的代碼編輯器，例如 Notepad++ 或 VSCode 等免費工具。
然后，找到大約第 190 行的generate_buttom_clone = gr.Button("Generate")代碼。 在其上方粘貼以下代碼，同樣必須注意對齊：
generate_buttom_clone2 = gr.Button("Generate2",visible=False) generate_buttom_clone2.click( basic_tts, inputs=[ text_input, prompt_text_input, prompt_wav_upload, text_input, text_input ], outputs=[audio_output,prompt_text_input], api_name="basic_tts" )
保存文件后，重新啟動webui.py：
python webui.py
? 將地址
http://127.0.0.1:7860填寫到 pyVideotrans 軟件的 “菜單” -> “TTS 設(shè)置” -> “F5-TTS” 的 API 地址中，即可開始使用。參考音頻的位置和填寫方式與 F5-TTS 的使用方法一致。
ChatTTS和Spark-TTS都是非常優(yōu)秀的免費開源聲音克隆、文本轉(zhuǎn)語音軟件。 感興趣的小伙伴可以試試。
寫文不易，如果你都看到了這里，請點個贊和在看，分享給更多的朋友；也別忘了關(guān)注星哥玩云！這里有滿滿的干貨分享，還有輕松有趣的技術(shù)交流～點個贊、分享給身邊的小伙伴，一起成長，一起玩轉(zhuǎn)技術(shù)世界吧！
熱門跟貼