ChatTTS-ui 音色定制 3 种方式实操：固定音色、种子值与 pt 文件转换

ChatTTS-ui 音色定制 3 种方式实操：固定音色、种子值与 pt 文件转换

【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 的音色由 speaker 目录 下的文件和数字种子共同决定：csv 文件存固定音色、pt 文件存转换后的音色、纯数字则按种子现场生成。下面按"换音色 → API 指定音色 → 保存、转换与批量生成音色文件"三条任务线讲清楚具体操作。

先分清三种音色来源

网页上"音色"听着玄乎，落到代码里就是一组 768 维的浮点向量，有三种拿到它的方式：

• csv / pt 文件：speaker 目录 里预置了 2222、7869、6653、4099、5099 等数十个 csv 文件，每个文件一行一个数，共 768 个，直接决定合成声音的特征。启动时 uilib/utils.py 的get_speakers()会扫描该目录下所有 csv 和 pt 文件，填进网页的下拉框。
• 数字种子：填一个不存在的数字（如 3000、9000），app.py 会用torch.manual_seed(数字)加上模型自带统计量算出一个随机音色向量，并顺手存成speaker/数字.csv。也就是说，你在网页上随便填个数字合成一次，这个音色就被固化下来了。
• 转换后的 pt 文件：0.96 内核升级后，外部下载的旧 pt 音色需要先转换才能使用，方法见下文。

网页端切换音色：下拉框与自定义音色值输入框

源码部署后默认访问http://127.0.0.1:9966（地址可在 .env 的WEB_ADDRESS中修改）。templates/index.html 页面上有两个入口：

• "选择音色"下拉框：列出 speaker 目录下已保存的 csv / pt 文件，选中即使用该文件。
• "自定义音色值"输入框：填写大于 0 的整数（如 2000、8000）。一旦填写，就会忽略左侧下拉框的选择，按该种子取值；网页端还会同时发送text_seed（控制文本润色的随机性，默认 42）。

想试听某个陌生数字，直接填进输入框合成一句即可，听感合适的话该数字对应的 csv 已经自动生成在 speaker 目录里了。

用 API 请求指定音色：voice、custom_voice 与 prompt

服务跑起来后，/tts接口接受 POST 请求，音色相关参数如下：

最小调用示例，custom_voice传 8888 就是让服务按种子 8888 取（或生成）音色：

import requests res = requests.post("http://127.0.0.1:9966/tts", data={ "text": "自定义音色测试", "custom_voice": 8888, "prompt": "[oral_2][laugh_0][break_6]", "temperature": 0.3, "top_p": 0.7, "top_k": 20, }) print(res.json())

这一步做的事：发一段文字给合成服务，指定音色种子和语气控制符。成功后返回code:0，audio_files里带 wav 文件的绝对路径与可下载 url；文件名中会内嵌seed、te、tp、tk等本次参数，方便回头对照。

固定一个满意的音色到 csv 文件

数字种子生成的音色满意后，它其实已经以 csv 形式躺在 speaker 目录里。如果想手动保存一个自己算出来的向量（768 维 torch 张量），用项目现成的工具函数即可：

import torch from uilib import utils # rand_spk: shape 为 (768,) 的 torch 张量 utils.save_speaker("my_voice", rand_spk)

这一步把张量逐行写成speaker/my_voice.csv，下次启动服务它就会出现在下拉框中。反向读取由同一文件里的load_speaker()完成，接口处理voice=2222时会先找speaker/2222.csv直接加载，而不重新随机。

一条命令转换旧版 pt 音色文件

ChatTTS 0.96 之后内核升级，从外部站点下载的旧格式 pt 音色（如seed_2155_restored_emb.pt）不能直接用了。项目自带的 cover-pt.py 就是干这件事的：

1. 把下载到的文件放进 speaker 目录，保持seed_开头、_emb.pt结尾的默认命名；
2. 在项目根目录执行：

python cover-pt.py

这一步会加载模型，把 speaker 目录下所有匹配命名的文件重新编码，输出以-covert.pt结尾的新文件（例如seed_2155_restored_emb-covert.pt），并提示你删掉原始_emb.pt。macOS 上脚本会自动设置 MPS 回退开关，直接运行即可；如果目录里没有可转换的文件，它会明确提示并结束。

批量生成候选音色做试听

想从种子空间里挑音色，可以写个小脚本按批量采样，再配合上面的转换脚本处理：

import torch import ChatTTS chat = ChatTTS.Chat() chat.load(source="custom", custom_path="./") for seed in (1111, 2222, 3333, 4444): torch.manual_seed(seed) spk = chat.sample_random_speaker() torch.save(spk, f"speaker/seed_{seed}_emb.pt")

这一步按固定种子各生成一个 768 维音色向量并落盘。生成后运行一次python cover-pt.py统一转成可用格式，再用网页或 API 逐个合成试听，保留听感好的那几个即可。

几个容易踩的坑

• 同一种子换台机器声音会不同。项目 faq.md 开头就声明：不同机器用相同种子生成的音色可能不同，同一机器多次生成也可能漂移，尤其音调。所以跨机器迁移音色请携带 csv/pt 文件，而不是只记数字。
• custom_voice会覆盖voice。两个都传时只有前者生效，写批量脚本时别指望二者叠加。
• 显存低于 4G 会被强制走 CPU。.env里device可手动指定cpu | mps | cuda，默认按显存自动选择；跑在 CPU 上和 GPU 上同一文件音色本身一致，但生成新种子时的随机音色不受此影响。
• 下拉框里没有数字音色。列表只来自磁盘上的文件，纯数字要填"自定义音色值"输入框，填一次后 csv 就会补进列表。

把听感合适的 csv 留在 speaker 目录，你的音色库就固定下来了。

【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