用 ChatTTS-ui 在本地跑通离线语音合成从部署到出声的完整路径【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需要在没有网络的环境里生成中文、英文和数字混排的语音或者只是不想让文本离开自己的机器用 ChatTTS-ui 就能在本地完成离线语音合成一条命令启动服务浏览器里输入文字几秒后就能拿到 WAV 文件。本文带你把部署、使用、接入三步走通。项目速览它是什么把 ChatTTS 语音合成模型包成一个本地 Web 服务默认监听 9966 端口启动后自动打开浏览器。能做什么网页输入文本生成语音支持中英数字混杂同时提供 REST API方便其他程序调用。与直接调用 ChatTTS 的区别它替你处理了文本规整、韵律控制符、固定音色管理、中英分词这些细节。部署形态Docker 容器、源码、Windows 预打包三种都有容器方式最省心。快速上手 Docker、源码、预打包三种部署方式里Docker CPU 版最省心四步完成。第一步确认环境。执行下面的命令两条都能输出版本号就可以继续docker --version docker compose version第二步拿到项目。克隆仓库到本地首次启动会自动下载模型到models/目录这一步期间需要联网git clone https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui chat-tts-ui cd chat-tts-ui第三步启动容器。docker compose -f docker-compose.cpu.yaml up -dNVIDIA 显卡且显存 4G 以上的话改用docker-compose.gpu.yaml会自动启用 GPU 加速。第四步验证是否成功。docker compose logs -f --no-log-prefix日志里出现Start:[0.0.0.0, 9966]表示服务已就绪浏览器访问http://127.0.0.1:9966看到文本输入页即部署完成。Windows 用户也可以直接从 Releases 下载预打包版解压后双击 app.exe 使用无需准备环境。核心能力实操 服务跑起来后最常用的三个能力是文本输入、固定音色和韵律控制符。在网页输入文本拿到语音。你做什么访问首页在输入框填入文字换行分段选择一个音色点击合成。发生什么服务先执行 refine text 阶段把数字、符号规整成可朗读的文本中英文会按语言分开处理再送入模型合成。你得到什么一段可试听、可下载的 24kHz WAV 文件保存在static/wavs/目录页面上还能看到本次推理耗时。把固定音色放进 speaker 目录。你做什么把音色文件csv 或 pt 格式放进speaker/目录。发生什么voice参数与文件名匹配时服务直接加载该音色不再随机生成0.96 内核升级前下载的 pt 文件要先跑一次转换脚本。你得到什么多次生成保持同一个声音适合固定角色的场景。# 例如把 speaker/2222.csv 放进 speaker 目录 # 旧版 pt 文件需要先转换格式 python cover-pt.py注意同一个音色值在不同设备上合成的声音会有差异甚至音调都会变换机器前最好重新试听确认。用控制符控制笑声和停顿。你做什么在 prompt 栏填写控制符例如[laugh_0]。发生什么refine text 阶段按控制符插入对应的韵律特征。你得到什么带笑声、停顿或特定口语风格的语音。prompt: [oral_2][laugh_0][break_6] # 组合使用口语风格 笑声 停顿进阶配置 ⚙️服务级设置集中在项目根目录的.env文件推理参数则在每次 API 调用时指定。配置项作用推荐值修改位置WEB_ADDRESSWeb 服务监听地址与端口本机用127.0.0.1:9966局域网访问用0.0.0.0:9966.envdevice计算设备default自动选 cuda/mps/cpu也可写cpu.envcompile是否启用 torch.compile 加速false显存充足再开.envvoice音色种子或音色文件名2222API 请求参数改完.env需要重启服务才生效。如果你启动时报 triton 相关的错保持compilefalse即可不影响功能。接入与调用 接口只有一个POST /tts成功时返回带音频地址的 JSON也能直接返回音频文件本体。import requests res requests.post(http://127.0.0.1:9966/tts, data{ text: 这是离线语音合成接入测试, voice: 2222, temperature: 0.3, skip_refine: 0, }) print(res.json()) # 成功{code:0, msg:ok, audio_files:[{filename, url, inference_time, audio_duration}]} # 失败{code:1, msg:错误原因}几个常调的参数voice命中speaker/目录下的文件就用该音色否则当作种子值随机生成音色temperature默认 0.3调低更稳定调高更自由同一文本重复生成会有细微差别custom_voice大于 0 的整数指定音色种子设置后忽略voicewav1直接返回 WAV 文件而不是 JSON适合脚本里直接保存。踩坑与排查 ️高频问题基本集中在三类模型下载、设备选择、Python 版本。现象下载模型时报ProxyError涉及 modelscope。可能原因modelscope 仅支持中国大陆 IP 直连不走代理。处理方式关闭系统代理后重新启动服务。现象启动报错缺少models/pzc163/chatTTS/下的文件如path.yaml、spk_stat.pt。可能原因模型下载中断文件不完整。处理方式删除models/目录重新下载或手动把缺的文件补进对应目录。现象报Dynamo is not supported on Python 3.12。可能原因Python 是 3.12 或更高版本。处理方式用 3.10 重建环境Docker 镜像内已用正确版本遇到此错说明走的是源码部署。现象机器有 NVIDIA 显卡但一直用 CPU 跑速度很慢。可能原因torch 装成了 CPU 版或显存低于 4G 被强制回退 CPU。处理方式重装 cu128 版 torch需 CUDA 12.8并确认显存 ≥ 4G。现象报cannot find a working triton installation。可能原因当前环境不支持 torch.compile。处理方式把.env里的compile改为false重启服务。收尾ChatTTS-ui 适合两类场景断网环境需要稳定的语音合成以及自己的工具里要一个可控的语音接口。想继续深入可以看 faq.md 里的完整报错清单核心合成逻辑都在 ChatTTS/ 目录下。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考