ChatTTS 对比 BeyondWords

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。

BeyondWords通过为新闻编辑室和数字出版商打造的音频内容管理系统，将书面文章转换为可发布的音频。连接WordPress、Ghost或RSS订阅源，每篇文章都会生成带有品牌播放器的朗读版本，您只需嵌入几行代码即可。该平台处理发音规则、元数据映射以及智能更新，仅重新生成更改的段落。

通用的文本转语音工具按字符计费，对每段文本一视同仁。BeyondWords按文章计费，并将音频与CMS元数据（如作者、分类和标识符）一起存储。这种以文章为中心的模式，加上对姓名和行业术语的发音控制，面向需要可预测规模成本而非一次性语音生成的出版商。

新闻出版商、编辑团队和数字媒体公司使用BeyondWords添加收听按钮，无需雇佣配音演员。客户包括Mediacorp、News Corp和The Irish Times。团队可以在24小时内克隆编辑声音，混入音乐和采访片段，并通过Google Ad Manager集成实现播放变现。