| 说明 | 链接 |
|---|---|
| ModelScop(国内) | https://modelscope.cn/studios/ttwwwaa/ChatTTS_Speaker |
| HuggingFace | https://huggingface.co/spaces/taa/ChatTTS_Speaker |
- rank_long: 长句文本的音色稳定性评分。
- rank_multi: 多句文本的音色稳定性评分。
- rank_single: 单句文本的音色稳定性评分。
这三个参数用于衡量音色在不同样本一致性，数值越高表示音色越稳定。
- score: 音色性别、年龄、特征的可能性，数值越高表示越准确。
- gender age feature: 音色的性别、年龄、特征。（特征准确度不高，仅供参考）
- 点选一个音色 seed_id 单元格。
- 点击最下方的 Download .pt File 按钮，即可下载对应的 .pt 文件。
稳定性评估代码详见：2noise/ChatTTS#317
- Q: 怎么使用 .pt 文件？
- A: 可以直接在一些项目中载入使用，例如：ChatTTS_colab。 也可以使用类似代码载入：
spk = torch.load(PT_FILE_PATH)
params_infer_code = {
'spk_emb': spk,
}-
Q: 为什么有的音色打分高但是很难听？
-
A: 评分只是衡量音色的稳定性，不代表音色的好坏。可以根据自己的需求选择合适的音色。例如：如果一个沙哑且结巴的音色一直很稳定，那么它的评分就会很高但是很难听。
-
Q: 我使用 seed_id 去生成音频，但是生成的音频不稳定？
-
A: seed_id 只是一个参考 ID，不同的环境下音色不一定一致。还是推荐使用 .pt 文件载入音色。
-
Q: 音色打标准确吗？
-
A: 当前第一批测试的音色有 2000 条，根据声纹相似性简单打标，准确度一般（特别是特征一项），仅供参考。如果大家有更好的标注方法，欢迎 PR。
欢迎大家贡献代码和音色！如果有任何问题或建议，请提交 issue 或 pull request。