给自制播客换音色：ChatTTS 音色定制从选声到排障

给自制播客换音色：ChatTTS 音色定制从选声到排障

【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

做播客想换掉默认的机器音？本文带你在 ChatTTS 上完成一次完整的音色定制：选声线、调参数、固化文件、排查问题，全程可动手。

阶段一：锁定一条能用的声线

拿到声线有两条路。

• 直接用预设音色：仓库 speaker/ 目录内置了一批 csv 音色文件（如5.csv、12.csv、5555.csv），网页端下拉框里都能看到，选中即试听。
• 自定义 seed 值：在界面"音色值"输入框或 API 里传入一个大于 0 的整数，ChatTTS 会按这个值初始化随机数，生成一条全新声线。

服务端的处理逻辑写在 app.py 的/tts接口里：首次用某个 seed 合成时，它按该值生成 768 维声纹向量，并自动落盘为speaker/{seed}.csv；之后再用同一个 seed，直接读这个 csv，声线不再漂移。

挑选方法：在 1000～10000 区间挑几个整数逐个试听（例如 3124、4780、9032），固定同一句合成文案做对比，听到合适的记下来即可。

阶段二：把三个采样参数拧到合适区间

声线定了，声音的"质感"由三个采样参数决定：temperature、top_p、top_k，界面和 API 都能改，默认值 0.3 / 0.7 / 20。

• temperature：越低，发音越贴近 seed 基线，越稳。
• top_p：核采样概率，权衡自然度与发音清晰度。
• top_k：候选范围，过大会引入多余变化。

两组参考值：稳0.3 / 0.7 / 20，活0.5 / 0.8 / 30。固定 seed，每次只改一个参数，用同一句短文案反复试听，差异比一次改三个更容易定位。

阶段三：固化成可复用的音色文件

满意的 seed 值得固化下来，方法很简单。

1. 用该 seed 合成一次：系统已自动生成speaker/{seed}.csv，后续请求直接复用这个文件，声纹不再变动。
2. 社区分享的 .pt 音色在 0.96 版本后不直接兼容（ChatTTS 内核升级过），需先执行python cover-pt.py：脚本会扫描 speaker/ 下以seed_开头、_emb.pt结尾的文件，转换后保存为*_emb-covert.pt，原文件可以删掉。

外部程序调用时，核心就是这几行：

res = requests.post('http://127.0.0.1:9966/tts', data={ "text": "若不懂无需填写", "custom_voice": 3124, # 大于 0 的整数，设置后忽略 voice "temperature": 0.3, "top_p": 0.7, "top_k": 20 })

阶段四：出问题时先看这几个位置

音色不稳定、时好时坏，按顺序查三处：

• 先查 speaker/ 目录：目标 seed 的 csv 是否已生成，或 .pt 文件名是否拼对（注意后缀是covert）。
• 再看 logs/ 下当天的日志：模型是否加载成功、有没有异常堆栈（模型缺文件一类的问题见 官方 FAQ）。
• 最后考虑机制本身的波动：seed 生成的音色在同台机器多次运行间、换设备之间都可能变化（尤其音调）。要长期稳定，就用固化后的 csv 文件，而不是纯 seed。

跑一遍 seed=3124 的试听，把 seed 和三个参数值写进 notes.md。

【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