ChatTTS：音频生成器 — 功能与运行要求

ChatTTS — 这是来自 2noise 团队的开源音频生成器。它解决 text-to-audio 任务：将文本转换为面向日常对话的语音。作者将该模型描述为用于日常交流的生成式语音模型。

功能

据作者描述，ChatTTS 从文本生成语音。该模型支持中文和英文——这在仓库的标签中有注明。项目描述中提到了语义令牌的处理：对于 30 秒的音频片段，至少需要 4 GB 显存，而在 GPU 4090 上，生成速度约为每秒 7 个语义令牌。实时系数（RTF）约为 0.3——这是开发者的声明，而非独立测量结果。

仓库被标记为 agent、chat、llm、text-to-speech 等主题，这表明模型面向对话系统和代理。最新版本为 v0.2.5。

运行要求

代码用 Python 编写，并以 AGPL-3.0 许可证分发。模型权重以 cc-by-nc-4.0 许可证提供——这意味着非商业用途。最大的权重文件占用 0.8 GB，所有文件合计 1.1 GB。

运行需要 GPU。据作者描述，30 秒片段的最低显存要求为 4 GB。用于集成的库名为 chat_tts。代码和权重可在 GitHub 和 Hugging Face 上获取。

适合谁

ChatTTS 可能对构建中文或英文对话系统、聊天机器人或语音代理的人感兴趣。开源代码允许研究实现并根据自己的需求改进模型，前提是 AGPL-3.0 许可证适合项目。

该模型不适合未经单独协商的商业项目：权重以非商业许可证 cc-by-nc-4.0 分发。此外，它也不适用于没有独立 GPU 的系统——作者指出了显存要求，但未描述仅靠 CPU 运行的情况。

ChatTTS 是一个用于合成对话语音的开源工具，专注于中文和英文。它需要 GPU，适合需要实时或接近实时语音生成的非商业项目。