ChatTTS-ui 音色定制实战指南：3 步拿到可复用的自定义声音

ChatTTS-ui 音色定制实战指南：3 步拿到可复用的自定义声音

【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

默认音色每个项目听起来都一样？问题往往不在文本，而在于你还没锁定一个音色。ChatTTS-ui 是一个本地文字转语音项目，启动即开网页合成、同时对外提供 API，本文带你走通"挑预设音色种子 → 自定义种子生成新音色 → 转换 pt 音色文件 → 用采样参数锁住声音"的完整链路，全部可在自己机器上直接复现。

最短路径：4 行命令拿到第一段合成音频

1. 克隆仓库并装依赖：git clone https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui，然后pip3 install -r requirements.txt（需 Python 3.9–3.11）
2. 执行python3 app.py，首次启动会自动下载模型并打开http://127.0.0.1:9966
3. 页面里选择默认音色 2222，输入一段文字，点击"立即合成声音"
4. 想要专属音色：在"音色值"框填入任意大于 0 的整数，合成一次，该音色会自动保存为 csv 到 speaker 目录

用预设音色库挑一个现成声音

仓库自带十几个音色，全部以 csv 文件形式放在 speaker 目录，即选即用。

1. 打开http://127.0.0.1:9966，"选择音色"下拉框里列出的就是 speaker 目录下的文件名，如 2222、7869、6653、4099、5099
2. 用不同音色合成同一段文字，逐一试听并记下喜欢的编号
3. 后续合成或 API 调用直接引用该编号即可

关键参数与注意事项：

• 默认音色是 2222；传入一个不存在的数字时，系统也会当场随机生成一个音色并顺手保存下来
• 音色文件支持.csv与.pt两种格式，都放在speaker/目录下生效

用自定义种子值生成一个全新音色

在 custom_voice 填入大于 0 的整数，ChatTTS-ui 会以它为种子抽取新音色并自动存档。

1. 在 WebUI 的"音色值"输入框填一个数字（如 3000），左侧下拉框保持默认
2. 点击合成后，app.py 会按该数字做 torch 种子，生成 768 维音色向量，同时写出speaker/3000.csv
3. 下次选择 3000 时直接读取这份 csv，不会重新抽取

关键参数与注意事项：

• custom_voice 与 voice 同时存在时，custom_voice 优先，voice 被忽略
• 建议围绕 1000–10000 区间逐个试种子值，每次生成后先试听再决定去留
• 官方 faq.md 提醒：同一种子值在不同设备上音色可能不同，找到满意的音色后请依赖保存下来的 csv 文件，而不是只记数字

把下载来的 pt 音色文件转成可用格式

0.96+ 内核版本下，外部下载的 pt 文件需要先用 cover-pt.py 转一次编码。

1. 把形如seed_2155_restored_emb.pt的下载文件放入 speaker 目录
2. 在项目根目录执行python cover-pt.py
3. 脚本会把以seed_开头、_emb.pt结尾的文件逐个转换，结果改名为-covert.pt结尾

关键参数与注意事项：

• 转换完成后原_emb.pt文件可以删除，只保留-covert.pt结尾的文件
• 该脚本只处理 pt 文件，csv 音色无需转换
• 若提示"没有可转换的pt文件"，说明文件命名不符合seed_开头要求

用 3 个采样参数锁住音色稳定性

temperature、top_p、top_k 决定合成有多"稳"，默认组合 0.3 / 0.7 / 20 可以先不动。

1. WebUI 底部有 temperature、top_p、top_k 三个滑杆，拖动即时生效
2. 用同一段文字连合两次做 A/B 对比，一次只动一个参数
3. 确定参数组合后，在 API 调用里固定下来

关键参数与注意事项：

• temperature 控制采样随机性，调低后每次输出更贴近上一次
• top_p 页面可调范围 0.1–0.9，top_k 可调范围 1–20
• speed滑杆（1–9，默认 5）对应语速控制符；text_seed（默认 42）固定文本预处理结果，便于批量对比

合成参数速查

API 调用示例（只保留必要参数）：

import requests res = requests.post('http://127.0.0.1:9966/tts', data={ "text": "这是一段自定义音色测试", "custom_voice": 3000, "temperature": 0.3, "top_p": 0.7, "top_k": 20, }) print(res.json()) # code 为 0 时，audio_files 内含 wav 路径与下载地址

上线前检查清单

✅ 音色本体

• 先用 2222、7869 等预设音色确认整条链路正常
• 自定义音色生成后，确认speaker/下已出现同名 csv 文件

✅ 参数与效果

• temperature / top_p / top_k 先保持默认，出现音色漂移再微调
• 需要情绪、停顿时放入 prompt，不要写进正文

✅ 集成与访问

• 调一次/tts接口，确认返回code:0且audio_files带 wav 地址
• 需要局域网访问时，把.env里的WEB_ADDRESS改为实际 IP，默认127.0.0.1:9966

进阶：3 种音色组合玩法

1. 场景分声：旁白、教学、对话各固定一个种子值写进配置，切换场景只改音色编号
2. 控制符叠加：prompt 里组合[oral_2][laugh_0][break_6]调节口语度、笑声与停顿，效果不佳时勾选"跳过 refine text"
3. 自建音色库：把满意的 csv 在speaker/下改名为业务名（如narrator.csv），下拉框直接选名，比记数字直观

收尾

ChatTTS-ui 的音色定制本质上就三步：选号、存文件、锁参数。从预设 2222 起步，需要变化时换成自己的种子值，再把采样参数固定下来，你就拥有了一个可长期使用、可随时通过 API 调用的专属声音。

温馨提示：参数不确定时可以不填，API 会自动使用与页面一致的默认值（temperature 0.3、top_p 0.7、top_k 20）。遇到报错先查 常见问题文档，大部分下载与设备类问题都有现成答案。

【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