> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/audio-et-voix/chattts.md). # ChatTTS parole conversationnelle ChatTTS est un modèle de synthèse vocale génératif de 300 millions de paramètres optimisé pour des scénarios de dialogue tels que les assistants LLM, les chatbots et les applications vocales interactives. Il produit une voix naturelle avec des pauses réalistes, des rires, des remplisseurs et une intonation — des caractéristiques que la plupart des systèmes TTS ont du mal à reproduire. Le modèle prend en charge l'anglais et le chinois et génère de l'audio à 24 kHz. **GitHub :** [2noise/ChatTTS](https://github.com/2noise/ChatTTS) (30K+ étoiles) **Licence :** AGPLv3+ (code), CC BY-NC 4.0 (poids du modèle — non commercial) ## Principales caractéristiques * **Prosodie conversationnelle** — pauses naturelles, remplisseurs et intonation ajustés pour le dialogue * **Balises de contrôle fines** — `[oral_0-9]`, `[laugh_0-2]`, `[break_0-7]`, `[uv_break]`, `[lbreak]` * **Multi-locuteur** — échantillonnez des locuteurs aléatoires ou réutilisez des embeddings de locuteur pour la cohérence * **Température / top-P / top-K** — contrôler la diversité de génération * **Inférence par lot** — synthétiser plusieurs textes en un seul appel * **Léger** — \~300M de paramètres, fonctionne avec 4 Go de VRAM ## Exigences | Composant | Minimum | Recommandé | | --------- | ---------------------- | ------------------- | | GPU | RTX 3060 (4 Go libres) | RTX 3090 / RTX 4090 | | VRAM | 4 Go | 8 Go+ | | RAM | 8 Go | 16 Go | | Disque | 5 Go | 10 Go | | Python | 3.9+ | 3.11 | | CUDA | 11.8+ | 12.1+ | **Recommandation Clore.ai :** Un RTX 3060 (~~($0,15–0,30/jour) gère ChatTTS confortablement. Pour la production par lot ou une latence plus faible, choisissez une RTX 3090 (~~$0,30–1,00/jour). ## Installation ```bash # Installer depuis PyPI pip install ChatTTS torch torchaudio # Ou installez depuis la source pour les dernières fonctionnalités git clone https://github.com/2noise/ChatTTS.git cd ChatTTS pip install -r requirements.txt # Vérifier le GPU python -c "import torch; print(torch.cuda.get_device_name(0))" ``` ## Démarrage rapide ```python import ChatTTS import torch import torchaudio # Initialiser et charger le modèle (télécharge les poids au premier lancement) chat = ChatTTS.Chat() chat.load(compile=False) # Définissez compile=True pour une inférence plus rapide après l'échauffement texts = [ "Salut ! Comment se passe ta journée jusqu'à présent ?", "J'ai travaillé sur ce projet toute la matinée. Ça avance bien.", ] wavs = chat.infer(texts) for i, wav in enumerate(wavs): audio_tensor = torch.from_numpy(wav) if audio_tensor.dim() == 1: audio_tensor = audio_tensor.unsqueeze(0) torchaudio.save(f"output_{i}.wav", audio_tensor, 24000) print(f"Saved output_{i}.wav") ``` ## Exemples d'utilisation ### Voix de locuteur cohérente Échantillonnez un embedding de locuteur aléatoire et réutilisez-le sur plusieurs générations pour une voix cohérente : ```python import ChatTTS import torch import torchaudio chat = ChatTTS.Chat() chat.load(compile=False) # Échantillonnez un locuteur — enregistrez cette chaîne pour la réutiliser plus tard rand_spk = chat.sample_random_speaker() params_infer_code = ChatTTS.Chat.InferCodeParams( spk_emb=rand_spk, temperature=0.3, top_P=0.7, top_K=20, ) params_refine_text = ChatTTS.Chat.RefineTextParams( prompt='[oral_2][laugh_0][break_4]', ) texts = ["Bienvenue dans l'épisode d'aujourd'hui. Laissez-moi vous parler de quelque chose d'excitant."] wavs = chat.infer( texts, params_refine_text=params_refine_text, params_infer_code=params_infer_code, ) audio = torch.from_numpy(wavs[0]) if audio.dim() == 1: audio = audio.unsqueeze(0) torchaudio.save("consistent_speaker.wav", audio, 24000) ``` ### Balises de contrôle au niveau des mots Insérez des balises de contrôle directement dans le texte pour une prosodie précise : ```python import ChatTTS import torch import torchaudio chat = ChatTTS.Chat() chat.load(compile=False) # Balises : [uv_break] = pause courte, [laugh] = rire, [lbreak] = pause longue text = 'Quel est [uv_break]votre plat préféré ?[laugh][lbreak]' rand_spk = chat.sample_random_speaker() params = ChatTTS.Chat.InferCodeParams(spk_emb=rand_spk, temperature=0.3) # skip_refine_text=True préserve vos balises de contrôle manuelles wavs = chat.infer(text, skip_refine_text=True, params_infer_code=params) audio = torch.from_numpy(wavs[0]) if audio.dim() == 1: audio = audio.unsqueeze(0) torchaudio.save("controlled_output.wav", audio, 24000) ``` ### Traitement par lot avec WebUI ChatTTS est livré avec une interface web Gradio pour une utilisation interactive : ```bash cd ChatTTS python examples/web/webui.py --server_name 0.0.0.0 --server_port 7860 ``` Ouvrez le `http_pub` URL depuis votre tableau de bord de commande Clore.ai pour accéder à l'interface. ## Conseils pour les utilisateurs de Clore.ai * **Utilisez `compile=True`** après les tests initiaux — la compilation PyTorch ajoute un temps de démarrage mais accélère considérablement les inférences répétées * **Mappage de ports** — exposer le port `7860/http` lors du déploiement avec la WebUI * **Image Docker** — utiliser `pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime` comme base * **Persistance du locuteur** — enregistrer `rand_spk` chaînes dans un fichier afin que vous puissiez réutiliser des voix entre les sessions sans rééchantillonnage * **Regroupez vos requêtes** — `chat.infer()` accepte une liste de textes et les traite ensemble, ce qui est plus efficace que des appels un par un * **Licence non commerciale** — les poids du modèle sont sous CC BY-NC 4.0 ; vérifiez les exigences de licence pour votre cas d'utilisation ## Dépannage | Problème | Solution | | --------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------ | | `CUDA out of memory` | Réduisez la taille du lot ou utilisez un GPU avec ≥ 6 Go de VRAM | | Le modèle se télécharge lentement | Pré-téléchargez depuis HuggingFace : `huggingface-cli download 2Noise/ChatTTS` | | L'audio contient des crépitements/bruit | Ceci est intentionnel dans le modèle open-source (mesure anti-abus) ; utilisez `compile=True` pour une sortie plus propre | | `torchaudio.save` erreur de dimension | Assurez-vous que le tenseur est 2D : `audio.unsqueeze(0)` si nécessaire | | Sortie chinoise brouillée | Assurez-vous que le texte d'entrée est encodé en UTF-8 ; installez `WeTextProcessing` pour une meilleure normalisation | | Première inférence lente | Normal — la compilation du modèle et le chargement des poids ont lieu au premier appel ; les appels suivants sont plus rapides | --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-fr/audio-et-voix/chattts.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.