ChatTTS 对比 Altered Studio

ChatTTS 是一个为对话而构建的开源文本到语音模型。2Noise 团队在超过 10 万小时的中文和英文语音数据上进行了训练，因此它在双向对话中听起来自然流畅，而不仅仅是预设的旁白。

其区别在于在细节层面进行韵律控制。该模型可以加入笑声、暂停和插入语，并能在一次会话中处理多个发声者。这使它非常适合用于大型语言模型助手、对话音频以及对话密集的多媒体内容。

开发者可以通过 pip 安装或克隆 GitHub 仓库。在 Hugging Face 上的开源版本是一个基于 4 万小时数据的基础模型，遵循 AGPLv3+ 协议。团队将其定位为研究和对话用途，若有路线图方面的问题，可以通过 [email protected] 联系。

Altered Studio 将录制或实时语音转换为为媒体制作和实时通话定制的声音。其语音对语音引擎可在浏览器中运行，也可在 Windows 和 Mac 本地运行，另有专门的 Real-Time Pro 应用程序用于游戏、呼叫中心和视频通话中的语音恢复。

大多数变声器在质量和延迟之间权衡。Altered 将技术栈分开：媒体制作变声针对 GPU 上的录音质量进行处理，并支持后期编辑优化；而 Real-Time Pro 使用 1 到 4 个 CPU 核心实现低延迟音色、口音转换及支持失声症和语音障碍的 Euphonia 功能。

播客主持人、游戏工作室和呼叫中心团队使用它来配音多角色场景、实时通话中切换口音以及清理嘈杂对话。Studio 页面提供 75 多种语言的转录、翻译及来自主要供应商的 70 多种语言的文本转语音配音，全部集成在一个编辑器中。