企业官网建设流程全解析

ChatTTS-ui 音色定制指南：预设音色、种子调音与 API 部署

【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

ChatTTS-ui 提供本地网页界面和 API，用 ChatTTS 把文字合成为语音，支持中英文混排。音色定制帮你从“默认听起来就那样”，变成声音贴合内容气质：选一个合耳的预设，或自己定一个音色种子，再调三个采样参数把语气磨顺。

音色到底由哪几部分决定

把一次合成想成请一个人读稿：

• 谁在说话，由voice或custom_voice决定；
• 怎么说话，由 temperature、top_p、top_k 决定；
• 带不带语气，由prompt里的标记决定。

前两组互相独立：音色决定“谁”，采样三件套决定“怎么说”。

三个场景，各走最短路径

只想本地听听效果

启动后浏览器自动打开http://127.0.0.1:9966。在文本框粘贴几句话，音色下拉框挑一个预设，点「立即合成声音」即可。首次启动会自动下载模型，稍等片刻；界面里还有 1~9 档的语速滑条，想快听几遍就调高。

要批量产出配音内容

每个合成请求都是一次 POST。用脚本循环调用/tts接口，每轮换文本和音色值，把返回的音频 URL 存下来：

import requests res = requests.post('http://127.0.0.1:9966/tts', data={ "text": "第一章，故事从这里开始。", "voice": "2222", "temperature": 0.3, "top_p": 0.7, "top_k": 20 }).json() # res["audio_files"][0]["url"] 即可下载

生成的 wav 存在服务端的static/wavs/目录，文件名里直接带着音色种子和三个采样参数（seed2222-te0.3-tp0.7-tk20），事后可按名字回溯是哪个配置。

要上线或接入现有系统

把.env里的WEB_ADDRESS改成局域网地址即可对外：

WEB_ADDRESS=192.168.0.10:9966

容器部署默认就是0.0.0.0:9966，同网段直接访问http://服务器IP:9966。外部系统只需要记住一个地址：POST http://服务器IP:9966/tts。

把声音调「像」的调音逻辑

采样三件套推荐区间：

手感比清单更重要，三条经验：

1. 一次只动一个参数：固定文本和音色，只改 temperature，对比 0.3 和 0.6 的听感，再动下一个。
2. 温度与候选范围配合：想要变化就同时放高 temperature 和 top_p；想要稳定就同时压低。只动一个容易听出“怪”而非“活”。
3. 先定音色，再调语气：音色不对时，调参数是在给错的人化妆。先用custom_voice多试几个种子值（比如 2000、5000、8000），锁定一个合耳的再打磨参数。

prompt是免费的风格增益：[laugh_0]加笑，[break_3]停 3 秒，oral_0~oral_2控制口语感强度。一段[laugh_0][break_1]开头，播报感立刻变聊天感。

音色文件格式与 0.96 版本的变化

0.92 版本起，ChatTTS-ui 支持 csv 或 pt 两种固定音色文件，放进根目录的 speaker/ 文件夹即可，下拉框里直接出现。仓库自带的2222.csv、7869.csv等就是这种预设，想试听哪个直接选。

0.96 版本后 ChatTTS 内核升级，从魔塔体验页或第三方站点下载的seed_开头、_emb.pt结尾的 pt 音色不能再直接使用。项目带了转换脚本 cover-pt.py：

python cover-pt.py

它扫描speaker/目录，把符合条件的文件转成_emb-covert.pt结尾的新格式，转换完成后原文件可以删掉、只留新文件。在界面或 API 里用新文件名引用即可。

另外注意官方提醒：同一音色值在不同设备、甚至同一设备多次运行，合成出的声音都可能略有差异，音调尤其明显。所以“种子值”更像指纹的起点，不是精确还原。

部署与 API 接入

容器部署（最省事）

git clone https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui chat-tts-ui cd chat-tts-ui # 有 NVIDIA 显卡用 GPU 版，否则用 CPU 版 docker compose -f docker-compose.gpu.yaml up -d docker compose -f docker-compose.cpu.yaml up -d

两条 compose 文件见 docker-compose.gpu.yaml、docker-compose.cpu.yaml，服务监听 9966 端口，起来后访问IP:9966。

源码部署

需要 Python 3.9~3.11：

1. 建虚拟环境并激活：python3 -m venv venv && source venv/bin/activate
2. 装依赖：pip install -r requirements.txt
3. 装 PyTorch：无 CUDA 需求直接pip install torch==2.7.1 torchaudio==2.7.1；要 CUDA 加速则从 cu128 索引安装，另装 CUDA 12.8+ Toolkit
4. 启动：python app.py

API 最小调用

请求方式 POST，地址/tts，只有text必填：

import requests res = requests.post('http://127.0.0.1:9966/tts', data={ "text": "你好，这是音色定制测试", "voice": "2222", # 预设音色；填了 custom_voice 则被忽略 "custom_voice": 0, # 大于 0 的种子值 "prompt": "[laugh_0][break_3]", "temperature": 0.3, "top_p": 0.7, "top_k": 20, "skip_refine": 0 }) print(res.json()) # 成功：{"code":0,"msg":"ok","audio_files":[{"filename":"...","url":"..."}]} # 失败：{"code":1,"msg":"错误原因"}

完整参数列表见 README.md 的「使用API请求」一节。

常见坑与进阶玩法

更多报错对照见 faq.md。

进阶玩法：

• 把音色沉淀成文件：custom_voice填一个任意大于 0 的整数后，服务会按种子生成 768 维音色向量并自动存进speaker/目录，文件名就是这个种子数。下次直接把这个数字当voice传，就能反复用同一个声音。
• 控制符混排：文本里可以直接写[laugh]、[break_2]这类标记混在句子中间；如果文本已带控制符或 refine 阶段改写不理想，可勾「跳过 refine text」（API 里skip_refine=1）。
• 接入 pyVideoTrans：pyVideoTrans 1.82+ 的「设置 - ChatTTS」里填请求地址http://127.0.0.1:9966，主界面选 ChatTTS 引擎，就能用它给字幕批量配音。
• 排查看两个地方：日志在logs/目录按天滚动；wav 文件名自带seed/te/tp/tk参数快照，拿到一段“不对劲”的音频就能反查当时的完整配置。

下一步

挑一段 30 秒左右的常用文本，先用预设音色 2222 合成一遍，再换两个不同的custom_voice（比如 3000、8000）各来一遍，三个文件并排听。锁定最合耳的那个后，把 temperature、top_p、top_k 固定下来写进脚本——这就是你以后批量任务要用的那组配置。

【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