ChatTTS-Enhanced：革新文本转语音与音频处理的强大工具

项目预览

介绍

• 音质增强/降噪解决Chat-TTS生成时的噪音问题。

• 支持多TXT、SRT文件批量处理。

• 支持长文本处理，支持中英混读。可自定义切割长度。

• 支持导出srt文件。

• 支持调节语速、停顿、笑声、口语化程度等参数。

• 支持导入ChatTTS Speaker音色。详情看帮助。

• 支持储存音色配置与选项配置。方便管理。

离线一键整合包

部署

Windows

Mac&Linux部署

ChatTTS-Enhanced API使用方法详解

路由

/generate_audio 路由

• 方法：POST

• 描述：接受JSON格式的数据，处理文本并生成音频文件，然后返回生成的音频文件。

请求数据

TextProcessParams

• batch_processing：布尔值，是否批量处理。

• txt_file：字符串，文本文件路径。

• split_text_flag：布尔值，是否拆分文本。

• text：字符串，输入的文本。

• segment_length：整数，文本段长度。

AudioPreProcessParams

• text_segments：由batch_or_split_text生成的文本段列表。

• audio_profile_path：字符串，音频配置文件路径。

• speed_slider：浮点数，语速调节。

• temperature：浮点数，温度参数。

• top_P：浮点数，top-P采样参数。

• top_K：整数，top-K采样参数。

• refine_oral：浮点数，口语化精炼参数。

• refine_laugh：浮点数，笑声精炼参数。

• refine_break：浮点数，停顿精炼参数。

• refine_text_flag：布尔值，是否精炼文本。

• nums2text_switch：布尔值，数字转文本开关。

• concatenate_audio：布尔值，是否连接音频。

• emb_upload：布尔值，是否上传嵌入。

• emb_upload_path：字符串，嵌入上传路径。

• srt_flag：布尔值，是否生成字幕。

• batch_processing：布尔值，是否批量处理。

EnhanceProcessParams

• enhance_audio：布尔值，是否增强音频。

• denoise_audio：布尔值，是否降噪。

• nfe：浮点数，噪声过滤效果。

• solver：字符串，增强算法。

• tau：浮点数，时间常数。

功能流程

1. 解析请求数据：从请求中提取文本处理和音频处理参数。

2. 文本处理：使用batch_or_split_text函数将文本处理为文本段。

3. 音频预处理：使用audio_pre_processor函数处理文本段并生成音频数据。

4. 音频文件生成：使用write函数将生成的音频数据写入WAV文件。

5. 返回音频文件：如果音频生成成功，返回生成的WAV音频文件，否则返回错误信息。

示例请求

代码结构

• import statements：导入所需的库和模块。

• Flask app initialization：初始化Flask应用。

• Route definition：定义API路由和处理函数。

• Text and Audio processing：处理请求数据并生成音频。

• Main block：运行Flask应用。

原文件

感谢

• ChatTTS:https://github.com/2noise/ChatTTS

• Resemble Enhance:https://github.com/resemble-ai/resemble-enhance

• ChatTTS_colab:https://github.com/6drf21e/ChatTTS_colab

• PaddleSpeech:https://github.com/PaddlePaddle/PaddleSpeech

• ChatTTS_Speaker:https://github.com/6drf21e/ChatTTS_Speaker

• WeTextProcessing:https://github.com/wenet-e2e/WeTextProcessing