之前MoneyPrinterPlus在批量混剪,一键AI生成视频这些功能上的语音合成功能都用的是云厂商的语音服务，比阿里云，腾讯云和微软云.

云厂商虽然提供了优质的语音服务，但是用起来还是要收费.

为了各位小伙伴的钱包，现在特意给MoneyPrinterPlus上线了本地chatTTS语音服务.

赶紧来体验吧.

软件准备

当然，前提条件就是你需要下载MoneyPrinterPlus软件啦.

下载地址： https://github.com/ddean2009/MoneyPrinterPlus 。

用得好的朋友，不妨给个star支持一下。 在软件v4.0版本之后，MoneyPrinterPlus已经全面开始支持本地模型.

安装chatTTS

我们可以直接从chatTTS的官网上 https://github.com/2noise/ChatTTS 下载chatTTS的源代码:

git clone https://github.com/2noise/ChatTTS
cd ChatTTS

安装依赖:

pip install --upgrade -r requirements.txt

运行web-UI:

python examples/web/webui.py

运行api-server

fastapi dev examples/api/main.py --host 0.0.0.0 --port 8000

这里注意，web-ui的默认端口是8080， api-server的端口是8000.

MoneyPrinterPlus需要连接的是8000端口的api-server.

web-UI只是为了展示怎么配置音色的一个展示用的.

我们打开 http://localhost:8080/ 可以看到类似下面的页面:

点击生成按钮，如果能够成功合成音频文件，那么说明你的chatTTS安装成功了.

在MoneyPrinterPlus中使用ChatTTS

回到MoneyPrinterPlus，我们启动MoneyPrinterPlus，在基本配置页面我们可以看到:本地语音TTS的选项.

这里我们选择chatTTS，并且设置chatTTS api server的地址.

上面我们是以8000启动的api server，所以这里我们就输入：http://127.0.0.1:8000/.

接下来点击视频混剪区，在视频配音区选择本地模型:

我们可以得到下面的界面:

解释一下各个参数的作用:

是否口语化对应chatTTS的口语化开关，如果启动口语化，chatTTS会自动对输入的文案进行口语化调整。所以默认是不开启的.

Text Seed是控制口语化模型处理的种子，你可以随意调整.

Audio Temperature控制音频情感波动性，范围为 0-1，数字越大，波动性越大 。

top_P ：控制音频的情感相关性，范围为 0.1-0.9，数字越大，相关性越高 。

top_K ：控制音频的情感相似性，范围为 1-20，数字越小，相似性越高 。

Refine text Prompt是指在口语化过程中添加的一些参数。如果不懂的话可以不修改.

本地chatTTS音色目录，默认在项目的chattts目录中.

现在我在chattts目录中预先放置了2种音色文件.

一种是txt文件，一种是pt文件.

你可以自行添加更多的音色文件到chattts目录中.

那么有小伙伴要问了，txt或者pt文件是怎么来的呢?

先讲一个简单的pt文件，你可以在 https://modelscope.cn/studios/ttwwwaa/ChatTTS_Speaker 这个空间中试听和下载对应的语音文件:

把下载下来的pt文件，放在MoneyPrinterPlus中的chattts目录即可.

txt文件是怎么来的呢?

我们再次回到chatTTS的webUI界面:

这个txt就是这里的Speaker Embedding的内容.

你可以点击右上角的拷贝按钮，新建一个utf-8编码的txt文件。 把这个txt文件放到MoneyPrinterPlus中的chattts目录即可.

如果你不想用已有的音色文件，那么可以点击使用随机声音按钮:

会出现一个Audio Seed选项，这个seed就是用来控制Audio音色的.

有了这些配置之后，点击试听声音，如果能听到声音就说明你的chatTTS在MoneyPrinterPlus中配置成功了.

接下来就可以使用本地的chatTTS来合成语音啦.

点我查看更多精彩内容:www.flydean.com 。

最后此篇关于在MoneyPrinterPlus中使用本地chatTTS语音模型的文章就讲到这里了,如果你想了解更多关于在MoneyPrinterPlus中使用本地chatTTS语音模型的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。