本文主要是介绍ChatTTS增强版V2，批量导出srt，语速控制，情感控制，支持朗读数字，问题修复，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
ChatTTS增强版最新版本已经发布，本次更新我主要增加了多文本批量、SRT导出、语速控制、情感控制、停顿控制等新功能，并针对上一版本中存在的数字读音异常、随机uv_break等问题进行了修复。
视频版本
【ChatTTS增强版V2，批量导出srt，语速控制，情感控制，支持朗读数字，问题修复】 https://www.bilibili.com/video/BV17T421e76w/?share_source=copy_web&vd_source=09316244e4ff3a9793930d67cf748288
更新内容
批量txt
新增支持多个txt文本批量导入,会针对每个txt文本进行处理。
听取大家的建议，批量处理后的txt会按照文件名来保存。
导出路径为：output_audio/你的txt名/
每个文件夹内分别存放着合并后的音频、音频切片、增强后的音频切片。
导出的完整的音频路径为：output_audio/你的txt名/合并/
导出的音频切片路径为：output_audio/你的txt名/切片/
导出的增强音频切片路径为：output_audio/你的txt名/增强切片/
SRT导出
批量模式下支持导出srt文件。会针对每个txt文本合成的音频生成对应的srt文件。
srt会导出路径:output_audio/你的txt名/你的txt名.srt
srt文本内容
这里说下，srt某些情况下会有误差，需检查下时间戳。
数字转换
由于ChatTTS不能很好的去朗读数字，这里做了一个转换。
比如这句话:我有10块4090显卡，今天出门丢了1块，很难受，今天是2024年。
读出来就是:
(音频)
开启数字转换后：
(音频)
这里还是把4090显卡型号以及年份读错了。因为数字转换在特殊情况下还是不能很好的去识别，这里最好的办法就是加空格
修改后的文字:我有10块4 0 9 0显卡，今天出门丢了1块，很难受，今天是2 0 2 4年。
在你想要单独读的数字组合里添加空格隔开。再开启数字转换后的效果：
(音频)
语速调整
增加了语速调节。默认值为0。最高是10，建议调到5或者6，10的话会有奇怪的英文读音混进去。
口语化调整
这里对这个参数的理解就是口语化，或者是说话的自然程度。
比如还是刚才那句:我有10块4 0 9 0显卡，今天出门丢了1块，很难受，今天是2 0 2 4年。
其他参数相同，oral为0的效果：
(音频效果)
oral为5的效果：
(音频效果)
可以听到，在oral为5的情况下自动添加了：就、啊等语气或者连接词来让音频更加自然。
笑声调整
控制音频的笑声程度。
当然你也可以在文字中输入[laugh]来手动添加笑声。
生成的效果：
(音频效果)
停顿调整
停顿为0
(音频效果)
停顿为4
(音频效果)
这个参数也可以在文本中输入[uv_break]来手动添加停顿。
(音频效果)
问题修复
uv_break问题
首先说下上次最大的问题，好多朋友反馈说会读u_break的问题。这里跟大家说声抱歉，那是个我漏掉的bug。
这个版本我针对这个问题做了调整，大家可以试下。
如果还有这个问题可以将break调整为0，关闭提炼文本尝试下。
IP端口问题
V1版本的ip和端口号是固定的，有些朋友电脑上8080端口是禁用的，造成访问不了网页的问题，或者是开了代理进不去的问题。
这个版本默认ip是127.0.0.1，端口号是自动获取本机开放空闲的端口。
如果你想要自定义ip或端口号，可在整合包根目录下找到config.ini文件。
修改custom_server的值为True表示开启自定义ip、端口号。False为关闭自定义ip、端口号。
ip和端口修改为你想要设定的值即可。
实验性选项
这里是开发中的一个测试选项，还不完善。可自行测试音色固定程度，如果开启后生成的结果无效果，或异常，关掉即可。
⚠️已知的是开启后会导致N卡用户音频增强过程变得极慢！！！慎重开启
配置要求
以下是整合包运行所需配置
WIN
- Windwos10/11操作系统
- 支持CPU/GPU
MAC
- Apple Silicon M系列芯片、Intel 芯片
- MacOS 10.13以上版本
云端版本
适用于机器配置低的朋友，云端镜像一键部署。
云端一键部署镜像
关于显存，最低4G显存(不开启音频增强的情况下)
Mac 由于cuda原因目前只支持cpu进行推理。
整合包获取
👇🏻👇🏻👇🏻下方下方下方👇🏻👇🏻👇🏻
关注公众号,发送【ChatTTSV2】关键字获取整合包。
如果发了关键词没回复你！记得看下复制的时候是不是把空格给粘贴进去了！
写在最后
还有很多朋友的建议，比如增加标点符号分割、克隆用户音色等，这些想法都很不错，我也会在后续的版本中进行更新。
最后非常感谢大家对这个项目的支持。如果您有更多的想法或建议，欢迎通过私信或在评论区留下你们的意见。
制作不易，如果本文对您有帮助，还请点个免费的赞或在看！感谢您的阅读！
这篇关于ChatTTS增强版V2，批量导出srt，语速控制，情感控制，支持朗读数字，问题修复的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
