ChatTTS ist ein Text-to-Speech-Modell, das speziell für Dialogszenarien wie den LLM-Assistenten entwickelt wurde. Es bietet ein konversationelles TTS, das für interaktive Gespräche mit mehreren Sprechern optimiert ist und eine natürliche und ausdrucksstarke Sprachsynthese ermöglicht. Das Modell zeichnet sich durch die Vorhersage und Steuerung feinkörniger prosodischer Merkmale wie Lachen, Pausen und Zwischenrufe aus und übertrifft viele Open-Source-TTS-Modelle in Bezug auf Prosodie. Mit einem Hauptmodell, das auf über 100.000 Stunden chinesischer und englischer Audio-Daten trainiert wurde, unterstützt ChatTTS weitere Forschung und Entwicklung mit vorab trainierten Modellen. Die Roadmap der Plattform umfasst das Open-Sourcing von Basismodellen, die Echtzeit-Audioerzeugung und Versionen zur Steuerung multipler Emotionen. Es ist wichtig zu beachten, dass ChatTTS ausschließlich für akademische und Forschungszwecke vorgesehen ist und Benutzer ermutigt werden, die Technologie verantwortungsbewusst und ethisch zu nutzen. Für Anfragen zum Modell und zur Roadmap können Benutzer das Team unter [email protected] kontaktieren.