仅仅一周时间，GitHub Star 数量就飙升至 18k，老实说，这样的增长势头完全在意料之中。
直接进入主题，先看演示效果：
英语男声 英语女声 中文男声 中文女声这款工具的定位非常清晰——专门针对对话场景进行优化，例如大语言模型助手这类应用。同时支持中文和英文，覆盖了当前最主流的需求。背后的训练数据量相当可观，超过 10 万小时的中英文语音数据。目前开源版本已在 HuggingFace 上发布，是一个经过 4 万小时预训练但未进行微调的模型版本。
那么，它究竟强在哪里？以下几个关键点值得关注。项目核心亮点
- 对话式 TTS 引擎：经过专门优化，专攻对话任务，生成的语音自然流畅且富有情感表现力。多说话人支持更是点睛之笔，让互动对话真正拥有了生命力。
- 细粒度韵律控制：能够精准预测并控制笑声、停顿、感叹词等微妙韵律特征——把这些细节拿捏到位，语音才不会显得生硬机械。
- 更优的韵律表现：在韵律质量上，ChatTTS 已经超越了市面上大多数开源 TTS 模型。并且提供了预训练模型，方便开发者进一步探索和定制。
生成过程目前仍有些缓慢，请耐心等待～以下是我最终跑出的效果：