未來人與人的交流，難道是這個樣？
近日，一個名為 ChatTTS 文字轉語音專案爆火出圈，引來大家極大的關注。短短三天時間，在 GitHub 上已經斬獲了 9.2 k 的 Star 量。
專案地址：https://github.com/2noise/ChatTTS/tree/main
作者本人也在 x 上表示，ChatTTS 突破了開源天花板。不過，目前開源的只是底模，沒有經過 SFT 監督微調。
該專案將文字轉換成語音，效果是這樣的：
ChatTTS 不僅能說中文，英文也能 hold 住，還支援一些細粒度控制，它允許你加入笑聲、說話間的停頓，還有語氣詞，可玩性很強。 
它可以復刻已經逝去的人的絕版聲音，想要再聽到賈伯斯開釋出會，隨時都可以。聽它模仿黴黴的音色，不論是語調還是語氣的變化，都挺接近本人，幾乎聽不出來 AI 味兒。 
中英文混說也能拿捏，這口半英半中的腔調勇闖留子圈，ChatTTS 的語言能力已達到 next level。 
從上述展示中我們可以看出，ChatTTS 能夠實現自然流暢的語音合成，同時支援多說話人；還能預測和控制細粒度的韻律特徵，包括笑聲、停頓和插入詞等；ChatTTS 在韻律方面超越了大部分開源 TTS 模型。
目前 ChatTTS 支援中文和英文。最大模型使用了超過 10 萬小時的中英文資料進行訓練。在 HuggingFace 中開源的版本為 4 萬小時訓練且未 SFT 的版本。
值得一提的是，上述展示的音訊都是基於語音合成技術製作，旨在展示技術成果，無意冒犯或侵犯他人權益。
專案一經發布，各路網友紛紛試用起來，給出了聲音確實真假難辨。
還有人拿 GPT 生成文字，讓 ChatTTS「讀」出來，語氣語調和真人的差距非常小：
效果這麼好，自然是想要上手試試。怎樣才能用 ChatTTS 當你的嘴替，可以參考如下方法進行操作。
線上體驗地址：https://huggingface.co/spaces/Dzkaka/ChatTTS
ChatTTS 主要有兩種核心功能，第一種是文字轉語音，第二種是將與大語言模型實時語音對話。在這些功能之外，可以在「Audio Seed」處調節數字指定說話人的音色，或者搖骰子隨機生成一種。但是有不少測試者表示，每次採用一樣的引數，生成的音色也不一定固定。
2Noise 稱，目前支援音色克隆，但需要更大的資料量。
在文字框內輸入文字後，ChatTTS 會自動為你生成韻律和停頓，還會加入一些如「然後」之類的語氣詞。如果你在輸入時在文字中加入 [laugh] 和 [uv_break]，就能手動控制 ChatTTS 在說話間產生一些「笑果」。
不過 ChatTTS 現在還不能搞定比較長的文字，有網友讓它挑戰了一下有聲書，發現初始版本不能生成超過 30 秒的音訊，需要手動修復。遇到比較長的文字時，ChatTTS 的分詞也會出問題。