ChatTTS-ui 本地语音合成实测：从部署到调通 TTS API 的完整记录

ChatTTS-ui 本地语音合成实测从部署到调通 TTS API 的完整记录【免费下载链接】ChatTTS-ui一个简单的本地网页界面使用ChatTTS将文字合成为语音同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-uiChatTTS-ui 是一个把 ChatTTS 语音合成封装成本地网页 API 服务的项目输入文字输出 wav 音频全程在自己机器上完成。部署门槛不高Docker 或 Python 环境一条命令即可启动首次运行会联网下载模型之后可离线使用。项目定位它本质上是一个 ChatTTS 的封装层补足的是调用 ChatTTS 太麻烦这件事不用写 Python 推理代码不用手动管理音色文件浏览器打开就能合成外部程序也能通过 HTTP 接口调用。它适合三类人想要本地配音而不愿依赖在线接口的内容创作者、需要批量文本转语音的小工具作者以及想给自己的软件接 TTS 能力的开发者。快速跑起来Docker 一条命令最省事的路径是 Docker以 CPU 版为例git clone https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui cd ChatTTS-ui docker compose -f docker-compose.cpu.yaml up -d容器启动后访问http://127.0.0.1:9966即可。GPU 版把文件名换成docker-compose.gpu.yaml需要 NVIDIA 显卡加 CUDA 12.8。其余方式压缩成三行Windows 用户可从 Releases 下载预编译包解压后双击app.exeMac/Linux 源码部署用 Python 3.9–3.11不支持 3.12依次执行pip3 install -r requirements.txt和python3 app.py启动时自动打开浏览器。完整步骤见 README.md。能力拆解仓库里实际给了什么网页界面 REST 接口一套服务两个入口。app.py 用 Flask 同时提供首页和/tts接口网页填什么参数接口就收什么参数默认值完全一致voice 默认 2222、temperature 0.3、top_p 0.7、top_k 20。效果浏览器点合成或脚本 POST 请求走的是同一条推理链路。中文数字、日期、电话号码的自动读法转换。uilib/zh_normalization/ 内置中文文本规范化能把12块50421-33441122这类内容转成口播读法英文数字则尝试用 nemo_text_processing 处理失败时回退到自带实现。效果直接粘贴带数字、标点的原始文案也能正常读。音色可固定、可复用。传一个整数音色值如 2222会据此生成随机音色并自动存为 csv 到 speaker/ 目录之后把 csv 或 pt 文件放进 speaker/ 文件夹就能当固定音色选。效果满意的音色调出来一次后续所有合成直接点名调用。设备自动选择。启动时根据显卡显存判断显存大于 4G 走 CUDA不足 4G 强制 CPUMac 走 MPS也可以在 .env 里手动指定device。效果普通笔记本开箱即用不折腾。一个完整使用场景把一段文案变成 wav以源码部署为例端到端走一遍启动后浏览器停在http://127.0.0.1:9966页面只有几项文本框、音色选择、音色值、Prompt、语速、temperature、top_p 等文本框按行输入比如第一行大家好我是你们的配音助手选音色 2222语速保持默认 5点合成页面开始加载音频生成后浏览器直接可试听文件落在static/wavs/目录文件名自带耗时、音色、参数信息方便回溯是哪次生成的。如果走接口产物一样POST 成功后返回 jsonaudio_files里同时给本地绝对路径和可下载 url取哪个都行。进阶接口怎么调、.env 改什么调用/tts接口。只传text就能跑其余参数全部有默认值res requests.post(http://127.0.0.1:9966/tts, data{text: 要合成的内容, voice: 2222}) print(res.json()[audio_files][0][url])改服务地址。编辑 .env 里WEB_ADDRESS127.0.0.1:9966换成局域网 IP 后其他设备也能访问网页和接口。控制停顿与语气。prompt参数支持[break_6]停顿、[laugh_0]笑等控制符适合给文案加节奏感文本里直接写控制符效果不好时勾选跳过 refine text接口即skip_refine1。限制与常见坑模型下载卡住默认从 modelscope 下载期间不能挂代理否则报 proxy 类错误国内网络直连通常无问题。报错对照见 faq.md。GPU 不生效显存低于 4G 会被强制回退 CPUN 卡需要 CUDA 12.8 且装的是对应 CUDA 版 torch装错就重装。相同音色值 ≠ 相同声音不同机器用同一 seed 音色不同同一机器多次生成音调也可能漂移。想要稳定音色务必把生成过的 csv/pt 存进 speaker/ 目录复用。长文本处理超过约 200 字符的段落会按标点自动分段合成再拼接分段边界处节奏可能略生硬关键文案建议自己按行分行。写在最后ChatTTS-ui 做的事情不复杂但把下载模型、管理音色、调推理参数这几件麻烦事都收进了一个服务里对只想拿结果的场景是合适的。功能更新以项目提交记录为准升级前先看下 changelog 再重建容器即可。【免费下载链接】ChatTTS-ui一个简单的本地网页界面使用ChatTTS将文字合成为语音同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考