ChatTTS-Forge: All-in-One-TTS-Tool 203

ChatTTS-Forge ist ein Projekt, das um TTS-Generierungsmodelle herum entwickelt wurde und den Benutzern flexible TTS-Generierungsfähigkeiten bietet. Es unterstützt mehrere Stimmen, Stilsteuerung, Inferenz für lange Texte und weitere Funktionen. ChatTTS-Forge stellt verschiedene APIs (Anwendungs-Programmierschnittstellen) bereit, mit denen Entwickler Text direkt und einfach in Sprache umwandeln können.

ChatTTS-Forge ist ein Projekt, das um TTS- (Text-zu-Sprache) Generierungsmodelle herum entwickelt wurde. Es bietet den Benutzern flexible TTS-Generierungsfähigkeiten und unterstützt mehrere Stimmen, Stilsteuerung, Inferenz für lange Texte und weitere Funktionen.

ChatTTS-Forge stellt verschiedene APIs (Anwendungsprogrammierschnittstellen) bereit, mit denen Entwickler Text direkt und einfach in Sprache umwandeln können. Darüber hinaus bietet es eine benutzerfreundliche Web-Oberfläche (WebUI), die es Benutzern ermöglicht, Text direkt in Text einzugeben und Sprache zu generieren, ohne programmieren zu müssen.

Die Hauptmerkmale von ChatTTS-Forge:

• TTS-Generierung: Unterstützt Inferenz für mehrere TTS-Modelle, einschließlich ChatTTS, CosyVoice, FishSpeech, GPT-SoVITS usw. Benutzer können die Stimmen frei auswählen und wechseln.

• Stimmverwaltung: Integrierte mehrere Stimmen mit der Möglichkeit, benutzerdefinierte Stimmen hochzuladen. Benutzer können benutzerdefinierte Klingeltöne durch Hochladen von Audio oder Text erstellen und verwenden.

• Stilsteuerung: Bietet mehrere Optionen zur Stilsteuerung, einschließlich der Anpassung von Sprechgeschwindigkeit, Tonhöhe und Lautstärke sowie der Hinzufügung von Sprachverbesserung (Enhancer), um die Ausgabequalität zu verbessern.

• Verarbeitung langer Texte: Unterstützt die automatische Segmentierung und Inferenz von sehr langen Texten und kann lange Audioinhalte erzeugen.

• SSML-Unterstützung: Verwendet eine XML-ähnliche SSML-Syntax für die erweiterte Steuerung der TTS-Synthese, geeignet für detailliertere Sprachgenerierungsszenarien.

• ASR (Automatische Spracherkennung): Integriert das Whisper-Modell und unterstützt die Umwandlung von Sprache in Text.

Die Technologie und Methoden von ChatTTS-Forge:

API-Server: Ein in Python geschriebener API-Server bietet effiziente TTS-Dienste mit Unterstützung für mehrere gleichzeitige Anfragen und benutzerdefinierte Konfigurationen.

WebUI: Eine auf Gradio basierende Benutzeroberfläche, mit der Benutzer TTS-Funktionen über eine einfache Bedienoberfläche erleben können.

Docker-Unterstützung: Bietet Containerisierungs-Bereitstellungsoptionen mit Docker, um den Bereitstellungsprozess lokal und auf Servern zu vereinfachen.

Merkmale der ChatTTS-Forge WebUI:

• TTS (Text zu Sprache): Über die WebUI können Benutzer mit verschiedenen TTS-Modellen Text eingeben und Sprache erzeugen.

• Stimmwechsel: Unterstützt den Wechsel zwischen mehreren voreingestellten Stimmen. Benutzer können verschiedene Stimmen zur Spracherzeugung auswählen.

• Hochladen benutzerdefinierter Stimmen: Benutzer können ihre eigenen Sprachdateien hochladen, um in Echtzeit personalisierte Sprache zu erzeugen.

• Stilsteuerung: Sie können den Stil der Sprache anpassen, einschließlich Parametern wie Sprechgeschwindigkeit, Tonhöhe und Lautstärke, um Sprache zu erzeugen, die bestimmte Anforderungen erfüllt.

• Verarbeitung langer Texte: Unterstützt die Verarbeitung sehr langer Texte, indem lange Texte automatisch in kleine Abschnitte aufgeteilt und der Reihe nach Sprache erzeugt wird, geeignet zur Erzeugung langer Audioinhalte.

• Stapelverarbeitung: Benutzer können die Stapelgröße einstellen, um die Inferenzgeschwindigkeit für lange Texte zu erhöhen.

• Refiner: Dieses Werkzeug ermöglicht es Ihnen, Text feinabzustimmen, um die erzeugte Sprache zu optimieren, und ist besonders nützlich für die Verarbeitung von Texten unbegrenzter Länge.

• Sprachverbesserung: Integriert Verbesserungsmodelle, um die Qualität der erzeugten Sprache zu erhöhen und sie natürlicher klingen zu lassen.

• Generierungshistorie: Speichert die letzten 3 Generierungsergebnisse, damit Benutzer die Spracheffekte unter verschiedenen Einstellungen vergleichen können.

• Unterstützung mehrerer Modelle: Die WebUI unterstützt mehrere TTS-Modelle, einschließlich ChatTTS, CosyVoice, FishSpeech, GPT-SoVITS usw. Benutzer können je nach Bedarf das passende Modell auswählen.

• SSML-Unterstützung: Verwendet eine XML-ähnliche SSML-Syntax zur Steuerung des Sprachsyntheseprozesses, geeignet für Szenarien, die eine komplexere Steuerung erfordern.

• Podcast-Werkzeug: Hilft Benutzern, lange, mehrstimmige Audioinhalte aus Blog-Skripten zu erstellen.

• Untertitelgenerierung: Erstellt SSML-Skripte aus Untertiteldateien, um verschiedene Sprachinhalte zu erzeugen.

GitHub: https://github.com/lenML/ChatTTS-Forge

Online-Erlebnis: https://huggingface.co/spaces/lenML/ChatTTS-Forge