Awesome

🎤 ChatTTS稳定音色评分与音色打标（实验性）

项目基于 ChatTTS | 评估基于通义实验室 ERes2NetV2 说话人识别模型。

当前测评音色 2600 个

English | 简体中文

马上体验

参数解释

• rank_long: 长句文本的音色稳定性评分。
• rank_multi: 多句文本的音色稳定性评分。
• rank_single: 单句文本的音色稳定性评分。

这三个参数用于衡量音色在不同样本一致性，数值越高表示音色越稳定。

• score: 音色性别、年龄、特征的可能性，数值越高表示越准确。
• gender age feature: 音色的性别、年龄、特征。（特征准确度不高，仅供参考）

如何下载试听音色

1. 点选一个音色 seed_id 单元格。
2. 点击最下方的 Download .pt File 按钮，即可下载对应的 .pt 文件。

评估代码

稳定性评估代码详见：https://github.com/2noise/ChatTTS/pull/317

FAQ

• Q: 怎么使用 .pt 文件？
• A: 可以直接在一些项目中载入使用，例如：ChatTTS_colab。 也可以使用类似代码载入：

spk = torch.load(PT_FILE_PATH)
params_infer_code = {
    'spk_emb': spk,
}

• Q: 为什么有的音色打分高但是很难听？

• A: 评分只是衡量音色的稳定性，不代表音色的好坏。可以根据自己的需求选择合适的音色。例如：如果一个沙哑且结巴的音色一直很稳定，那么它的评分就会很高但是很难听。

• Q: 我使用 seed_id 去生成音频，但是生成的音频不稳定？

• A: seed_id 只是一个参考 ID，不同的环境下音色不一定一致。还是推荐使用 .pt 文件载入音色。

• Q: 音色打标准确吗？

• A: 当前第一批测试的音色有 2000 条，根据声纹相似性简单打标，准确度一般（特别是特征一项），仅供参考。如果大家有更好的标注方法，欢迎 PR。

相关项目

• ChatTTS
• eres2netv2_sv_zh-cn
• 3D-Speaker

贡献

欢迎大家贡献代码和音色！如果有任何问题或建议，请提交 issue 或 pull request。