ChatTTS 对比 Good Tape

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。

Good Tape 将音频和视频录制内容转换为可搜索的文本，方便记者、研究人员、律师及其他需要可信转录的专业人士。在浏览器中上传文件，或使用 iOS 和 Android 应用程序直接录制，然后获取100多种语言的转录内容，包含说话人标签、同步音频播放以及快速校正的编辑器。

该平台还增加了AI摘要、大批量上传、字幕导出（.srt 和 .vtt格式）、团队共享，以及 MCP 连接器，方便将转录内容集成到外部大规模语言模型（LLM）工具中。项目能帮助你组织庞大的档案，文件在欧洲符合GDPR和ISO 27001标准时保持加密，不会被用来训练模型。

Good Tape由哥本哈根团队开发，结合了在职记者的建议，现已服务约300万用户，包括 Zetland 等新闻编辑室。免费试用包括一小时的完整Pro功能转录，无需信用卡信息。