ChatTTS 语音合成服务

专为对话场景设计的 TTS 模型服务，支持情感控制。

端口

• 服务端口: 12002

功能

• 对话式语音合成（有语气变化）
• 情感控制（开心、悲伤、笑声）
• 批量合成
• 中文效果好

硬件要求

• GPU: 推荐 NVIDIA GPU，显存 ≥ 4GB
• CPU: 可运行但较慢
• 内存: ≥ 16GB

部署步骤

1. 安装依赖

pip install -r requirements.txt

2. 启动服务

# 方式一：自动下载模型
python3 server.py

# 方式二：使用已下载的模型（指定路径）
MODEL_PATH=/path/to/ChatTTS python3 server.py

# 方式三：使用本地缓存模型
MODEL_SOURCE=local python3 server.py

首次启动会自动下载 ChatTTS 模型（约 2GB）。

模型路径配置：

环境变量	说明	示例
MODEL_PATH	模型目录路径	/data/models/ChatTTS
MODEL_SOURCE	加载方式	auto / local / download

ChatTTS 模型默认下载位置：

• Linux: ~/.cache/modelscope/hub/ChatTTS/
• 或手动下载后解压到任意目录

3. 验证服务

curl http://localhost:12002/

返回：

{
  "status": "ok",
  "service": "ChatTTS",
  "model_loaded": true,
  "device": "cuda"
}

API 接口

合成语音

POST /synthesize
Content-Type: multipart/form-data

参数:
- text: 要合成的文本
- temperature: 温度参数（默认 0.3）
- top_p: Top-P 参数（默认 0.7）
- top_k: Top-K 参数（默认 20）

返回:
{
  "audio_url": "/audio/xxx.wav",
  "duration": 3.5,
  "text": "你好",
  "timestamp": "..."
}

示例：

curl -X POST http://localhost:12002/synthesize \
  -F "text=你好，很高兴见到你"

带情感合成

POST /synthesize/emotion

参数:
- text: 文本
- emotion: 情感类型（neutral/happy/sad/laugh）

返回: 同上

情感类型：

• neutral: 平静
• happy: 开心
• sad: 悲伤
• laugh: 笑声

批量合成

POST /synthesize/batch
Content-Type: application/json

Body:
[
  {"text": "第一句"},
  {"text": "第二句"}
]

获取音频文件

GET /audio/{filename}

特点对比

特点	Edge TTS	ChatTTS
部署	无需部署	需 GPU
质量	高	对话优化
情感	固定音色	可控
延迟	1-3秒	0.5-1秒
离线	❌	✅

与语音对话网页集成

在 voice-chat-web 的 TTS 设置中选择 ChatTTS，服务地址配置为：

http://192.168.2.5:12002

注意事项

1. 模型首次加载需要下载约 2GB
2. GPU 运行速度更快，CPU 可用但较慢
3. 长文本建议分段合成
4. 情感标记功能需要 ChatTTS 版本支持