企业官网建设流程全解析

ChatTTS 音色定制：给视频配旁白的快速上手

【免费下载链接】ChatTTS-ui一个简单的本地网页界面，使用ChatTTS将文字合成为语音，同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui

想换一换配音的音色，翻了几页 README 还找不到入口——这种情况不该发生。ChatTTS-ui 是本地网页版的 ChatTTS 音色定制工具：浏览器里选音色、点一下按钮就出 wav，也能直接调 API 批量合成视频旁白和播客声音。会跑 docker 就能上手。

跑通它：最短部署路径

这一段只解决一件事：用最少命令把服务跑起来，不折腾 Python 环境。

git clone https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui chat-tts-ui cd chat-tts-ui docker compose -f docker-compose.gpu.yaml up -d

没有 GPU 的机器，把最后一行的 -f 参数换成 docker-compose.cpu.yaml 即可；源码方式（建 venv、pip 装依赖、python app.py）留给开发者，细节在 README 里。

第一次启动会多花几分钟，模型会自动下载并缓存到本地 models 目录，之后的启动就不再联网拉模型。

验证成功的标准：日志里出现启动:['0.0.0.0', '9966']后，浏览器打开 http://127.0.0.1:9966，看到文本输入框、音色下拉框和合成按钮的页面就是跑通了——输入一句话点合成，浏览器里能直接播放生成的 wav 音频。

合成效果由哪三个旋钮决定

这一段解决"合成出来不好听、不知道往哪调"的问题，只讲对效果影响最大的三个参数，其余先别碰。

voice 与 custom_voice（音色值）：控制的是音色身份。下拉框有 2222、7869、6653、4099、5099 几个预设；在"自定义音色值"里填一个大于 0 的整数，该数即作为种子生效，下拉框的选择被忽略。注意换号不是渐变——2222 和 2223 是两个完全不同的声音。起始建议：先用 2222 熟悉流程，再挑 3000、8000 这类种子试听。

temperature（温度）：控制合成时的随机程度。往 0.1 压，读法稳定一致，但容易平淡；拉到 0.5 到 0.8，语气起伏和呼吸感更活，也更容易抽到怪腔。推荐起始值 0.3。

prompt（效果标记）：控制特殊声音效果，填的是标记串而不是数字。[laugh_0] 带一个轻笑，[break_3] 插入一段停顿，[oral_2] 加一点口腔音，多个标记连写可以叠加。纯旁白场景留空即可。

top_p、top_k、skip_refine 等其余参数先保持默认，跑通后再按需微调。

批量合成时怎么调 API

这一段解决"不点网页按钮也能出音频"的问题，用三个场景把接口能力串起来。

场景一：批量试听多个种子。要做的事：同一句话换个种子合成一轮，挑出顺耳的。做法：/tts 接口一次 POST 就出结果——

import requests for seed in range(3000, 3010): r = requests.post('http://127.0.0.1:9966/tts', data={ "text": "这是一段批量生成的旁白测试。", "custom_voice": seed, }) print(r.json())

返回是 JSON：code 为 0 且带 audio_files 数组（含 wav 文件名和可直接下载的 url）即成功，code 为 1 时 msg 字段就是失败原因。

场景二：接进现成的配音流程。要做的事：让 pyVideoTrans 用这个服务做后端。做法：在它的设置里找到 ChatTTS 一栏，请求地址填 http://127.0.0.1:9966，点测试通过后主界面直接选 ChatTTS 即可，不用写代码。

场景三：换成自己下载的音色。要做的事：把别处试过的音色固定下来长期使用。做法：把音色文件放进项目根的 speaker/ 目录，csv 和旧版 pt 会被界面直接识别；从第三方站点下下来的、以 seed_ 开头 _emb.pt 结尾的 pt 文件，0.96 之后内核换了不兼容，放进 speaker/ 后执行python cover-pt.py，会生成同名 -cover.pt 文件，界面里出现的就是转换后可用的音色。

报错排查与进阶用法

这一段解决"跑不动"和"合成结果不对"两类最常见的故障。

症状：首次启动下载模型时报 proxy 类错误或超时。原因：模型默认从魔塔（modelscope）下载，不支持走代理。解法：关掉代理重跑；模型完整缓存到本地后，之后的启动不再依赖外网。

症状：英伟达显卡显存大于 4G，仍走 CPU 合成很慢。原因：装的是 CPU 版 torch。解法：先pip uninstall -y torch torchaudio再装 cu128 的 CUDA 版；显存不足 4G 时强制走 CPU 是正常行为。

症状：同一个种子值，这次和上次（或换台机器）的音色有细微差别。原因：种子是随机生成的入口，不是固定录音。解法：把种子当试听编号，听到合适的记下来写进脚本复用，别期待输出逐字节一致。

需要让局域网内其他人访问时才用：把 .env 里的 WEB_ADDRESS 从 127.0.0.1:9966 改成你的局域网 IP 加端口，重启容器生效。

需要向合作方交付一组固定声音素材时才用：写个脚本循环调用 /tts 批量导出 wav 建素材库；踩过的坑在 FAQ 里都有记录。

先在网页上把 2222 到 5099 五个预设音色各合成一句存下来，再挑一个种子值批量跑二十条，听哪个适合你的旁白。

【免费下载链接】ChatTTS-ui一个简单的本地网页界面，使用ChatTTS将文字合成为语音，同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui