我想把文字內容轉換成接近人類真實聲音的語音輸出，於是實際玩了 ChatTTS 這個開源的文本轉語音（Text-to-Speech, TTS）專案。它在 GitHub 上迅速獲得大量關注，語音合成效果非常逼真，甚至超越一些商用 TTS 服務。ChatTTS 使用大量語音數據訓練，目前提供的模型能生成語氣、停頓和節奏都極其自然的語音，支援多種語言與音色，並可在本地或雲端（如 Colab）環境運行，也有易於使用的整合包和腳本，方便快速上手。
ChatTTS 是什麼？它比其他開源 TTS 好在哪裡？
ChatTTS 是一個開源的文本轉語音（Text-to-Speech, TTS）專案，目標是把文字轉換為接近人類真實聲音的語音輸出。它使用大量語音數據訓練，生成的語音在語氣、停頓和節奏上都極其自然，支援多種語言與音色合成，甚至超越了一些商用 TTS 服務。
模型的主要優勢有三點：
- 對話式 TTS：ChatTTS 針對對話式任務進行最佳化，能實現自然且富有表現力的合成語音。
- 精細的控制：模型可以預測和控制精細的韻律特徵，包括笑聲、停頓和插入語。
- 更好的韻律：ChatTTS 在韻律方面超越了大多數開源 TTS 模型。
ChatTTS 的官方資源在哪裡？
兩個最常用的入口：
- GitHub 專案地址：2noise/ChatTTS
- 直接可使用的易用版本 ChatTTS_colab：6drf21e/ChatTTS_colab
怎麼在本機安裝並啟動 ChatTTS？
安裝只要三步：Clone Repo、安裝相依套件、啟動 WebUI。
Clone Repo：
```bash
git clone https://github.com/2noise/ChatTTS
cd ChatTTS
```
安裝相關套件：
```bash
pip install --upgrade -r requirements.txt
```
啟動：
```bash
python examples/web/webui.py
```
ChatTTS_colab 整合包怎麼用？
如果不想自己裝環境，ChatTTS_colab 這個整合包真的可以讓人很容易地使用 ChatTTS：從官方 GitHub 的下載連結下載、解壓縮後直接便可以使用，點選運行就會跑出網頁操作介面。
網頁介面長這樣，可以使用「音色抽卡」功能挑選滿意的音色，並下載該語音模型檔案：
Refine Text 功能能做什麼？
另外有 Refine Text 功能，它可以透過大語言模型自動為輸入的文字加上停頓或笑聲；我們也可以自己手動加上，使用特別的標籤 `[uv_break]`（停頓）或 `[uv_laugh]`（笑聲）：
怎麼用 ChatTTS 產生多人對話？
也可以透過文本產生多個人的對話，用 `::` 來分隔「角色」和「對話內容」，例如：
```text
旁白::在一個風和日麗的下午，小紅帽準備去森林裡看望他的奶奶
```
接著按下「步驟 1 提取角色」，右邊的角色種子就會根據文本的角色出現在表格當中；接著填入預選好的種子編號以及相關語速、笑聲等設定，就可以將整段對話產生為一個音檔：
此為開啟伺服器的 Python 視窗，可以看到伺服器正在產生影片：
哪裡可以試聽 ChatTTS 產生的音檔？
有整理過的音色評比網站，登入後可直接線上試聽不同的音色：
ChatTTS Speaker 音色評比（ModelScope）
延伸閱讀
- LM Studio 本地部署開源 LLM 完整教學：輕鬆測試和部署大型語言模型：同屬「機器學習」主題，可延伸理解相近問題的判斷方式。
- EchoMimic：人物圖片轉影片的開源模型，安裝與使用教學：同屬「機器學習」主題，可延伸理解相近問題的判斷方式。
- Tesseract OCR 介紹：Google 開源光學文字辨識工具怎麼用：同屬「機器學習」主題，可延伸理解相近問題的判斷方式。
常見問題
ChatTTS 是免費的嗎？
是，ChatTTS 是開源專案，可在 GitHub 上自由取得，也允許在本地或雲端（如 Colab）環境中運行。不過實際使用前仍建議確認官方 repo 的授權條款與使用限制。
不會寫程式也能使用 ChatTTS 嗎？
可以。使用 ChatTTS_colab 整合包，下載、解壓縮後點選運行就會出現網頁操作介面，完全不需要自己安裝 Python 環境或下指令。
ChatTTS 的音色要怎麼挑選？
在網頁介面使用「音色抽卡」功能隨機產生音色，聽到滿意的就記下該音色的種子編號，之後可以用同一個種子重現，也可以下載該語音模型檔案。另外 ModelScope 上有整理過的音色評比網站可先線上試聽。
怎麼讓 ChatTTS 的語音有停頓和笑聲？
有兩種方式：使用 Refine Text 功能讓大語言模型自動為文字加上韻律標記，或是手動在文本中插入特殊標籤 `[uv_break]`（停頓）與 `[uv_laugh]`（笑聲）。
ChatTTS 可以合成多人對話嗎？
可以。在文本中用 `::` 分隔「角色」和「對話內容」，按下「提取角色」後系統會為每個角色分配種子，再設定語速、笑聲等參數，就能把整段對話合成為一個音檔。
參考資料
- ChatTTS GitHub 專案（2noise/ChatTTS）
- ChatTTS_colab 易用整合包（6drf21e/ChatTTS_colab）
- ChatTTS Speaker 音色評比（ModelScope）
最後更新
2026-08-28（原文發布於 2024-07-24，本文保留原始筆記內容並補上 GEO 結構。）
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2024-07-24