上篇分享了如何从0到1搭建一套语音交互系统。

其中，语音合成（TTS）是提升用户体验的关键所在。

不得不说，AI 语音界人才辈出，从之前的Bert-Sovit，到GPT-Sovits，再到最近一周狂揽了 1w+ Star 的ChatTTS，语音合成的效果越来越逼真，如今的 AI 已经完全可以做到：不仅人美，还能声甜。

今天重点和大家分享下我们项目中用到的语音合成工具 - ChatTTS。

别说你还没体验过，有人已经拿它赚到了第一桶金。

在 https://github.com/panyanyany/Awesome-ChatTTS 这个项目仓库中，提到了几种已知的变现方法:

• 卖安装服务
• 卖 API
• 制作在线工具，收取订阅费
  

在哪体验？

一周前，我们还需要在本地和云端安装环境才能运行 ChatTTS，比如上篇分享中语音机器人的项目，猴哥就是在本地部署了 ChatTTS 的 API 进行调用。

今天，ChatTTS 的使用门槛已经大大降低，陆续出现了在线网站和本地增强整合包。这里给大家介绍几种玩法。

免费的在线网站

浏览器直达：https://chattts.com/

输入你想要合成语音的文本，点击中间的 “Generate”，稍等片刻，就能得到对应 Audio Seed 下的语音，输出文本中的 [uv_break] 代表停顿词。

在官网默认提供的样例中，语气停顿效果还是令人印象非常深刻的。

语气停顿主要通过[uv_break]来控制， 除了文字本身和控制符号外，常调整的参数主要是Audio Seed，也就是代码中的随机种子。

不同的Seed对应不同的音色，github 上已经有小伙伴把一批种子对应的音色都整理出来了，你可以去试试看：

测试了1000条音色：https://github.com/kangyiwen/TTSlist

离线整合包

围绕 ChatTTS，B站上有大佬制作了离线安装包，并实现了音质增强、文件处理、音色固定等功能，同时提供Mac和Windows版本。

1. 音质增强

首先是音质增强，在输入文本后，勾选下面的音频增强和音频降噪。增强后的音频会更加清晰，但因为多了两个算法步骤，所以处理时长会增加。

2. 文件处理

该版本还增加了文件处理功能，勾选后可以上传一个TXT文本，TXT文本需要按照每句换行的格式，类似视频字幕。

此外，当文本内容很多时, 可以勾选文本切割，默认为五十字符进行切割，最后将音频片段合并为一整段音频。

3. 音色固定

音色固定有什么用呢？

前面提到不同的音频种子生成的说话音色不一样。

我们可以点击随机按钮，多尝试几次，找到自己满意的音色后，可以将设置和音色种子保存到配置文件中，方便下次使用。

在下方 ‘音色名称’处，填入你想要保存的名字，然后右侧点击保存，下次使用时直接选择音色配置。

简直是视频配音者的福音啊，再也不用抽卡音色了~

? 为了方便大家下载，公众号【猴哥的AI知识库】后台回复 tts 就可直接领取整合包～

后续计划

最近，ChatTTS 因其逼真的语音合成效果，直接引爆了 AI 界。

作为一名技术爱好者，猴哥小试牛刀，两天前开发了一款语音对话机器人的简单demo，见：从0到1搭建一套语音交互系统。

为了进一步挖掘 ChatTTS 的潜力，猴哥准备结合另一款开源神器 -MoneyPrinterTurbo，全力打造一个全自动短视频生成神器。

初步项目规划是这样的：

1. 素材获取

文案生成：
结合免费的LLM API (拒绝Token焦虑，盘点可白嫖的6款LLM大语言模型API~)，根据传作主题和关键词，输入 prompt ，让 LLM 帮我生成符合要求的文案素材。

多媒体素材：自定义一个Function Call工具，该工具可以从素材网站（比如 新片场 ）获取匹配的图片或者视频素材。

2. 语音合成

直接调用 ChatTTS 的API，通过固定音色，将 LLM 生成的文案，转换为逼真的语音，提供自然流畅的听觉体验。

3. 视频生成

MoneyPrinterTurbo 支持字幕生成和背景音乐设置。可以根据视频内容和语音合成的结果，自动添加字幕和背景音乐，实现最终的视频合成。

附 MoneyPrinterTurbo 地址：https://github.com/harry0703/MoneyPrinterTurbo

欢迎大家监督，争取早日实现！

写在最后

如果本文对你有帮助，欢迎点赞收藏备用！

猴哥一直在做 AI 领域的研发和探索，会陆续跟大家分享路上的思考和心得。

最近开始运营一个公众号，旨在分享关于AI效率工具、自媒体副业的一切。用心做内容，不辜负每一份关注。

新朋友欢迎关注 “猴哥的AI知识库” 公众号，下次更新不迷路。