ChatTTS 对比 Voicemod

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。

Voicemod 在桌面和移动设备上运行实时变声器和音效板，通过虚拟麦克风路由您的麦克风，使 Discord、游戏和流媒体应用能够即时听到修改后的音频。可从 200 多种 AI 语音滤镜中选择，从音效板触发表情包声音，或在 Voicelab 中自定义语音。

大多数变声器感觉像是一次性切换的新奇滤镜。Voicemod 设计用于整个会话中保持角色，具备超低延迟、降噪功能，以及与 Elgato Stream Deck 和 Voicemod Key 等硬件的集成，支持主机聊天。社区库 tuna.voicemod.net 提供无需手动上传的热门语音。

其目标用户为游戏玩家、主播、虚拟主播以及任何希望语音聊天听起来更有意图而非默认的人。网站上列出的合作伙伴包括 Corsair、MSI、NVIDIA 和 AMD，反映了其在游戏和流媒体设置中的深度集成，而非一般生产力工具。