企业官网建设流程全解析

10分钟跑通文字转语音：ChatTTS-ui本地部署教程

【免费下载链接】ChatTTS-ui一个简单的本地网页界面，使用ChatTTS将文字合成为语音，同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui

把字幕文本转成配音、批量生成有声书素材时，一个能本地部署的文字转语音服务比付费 API 更省心。ChatTTS-ui 把开源语音合成模型 ChatTTS 包成了一个网页：输入文字、输出音频，中文、英文和数字混排都能自然朗读，同时对外提供一个 /tts 接口供程序调用。看完这篇，你能在自己机器上部署好它，并用代码直接调用合成语音。

ChatTTS-ui 是什么：本地文字转语音服务

ChatTTS-ui 是一个 Flask 写的 Web 服务，核心链路就三步：接收网页提交的文本，调用 ChatTTS 模型合成 24kHz 的 wav 音频，再把播放器和下载链接返回给浏览器。它把三件事打包好了：

• Web 界面：输入文字、选音色、点按钮，音频直接出，不需要装任何客户端
• API 接口：和网页走同一个 /tts 端点，脚本或其他工具都能调，也兼容 pyVideoTrans 这类软件直接接入
• 内置 24 个固定音色：预放在 speaker 目录里，页面上直接下拉选择

和商用 TTS API 的差别很直白：不注册账号、不按字符计费、音频数据不出本机。和直接用 ChatTTS 库相比，设备检测、模型下载、中英文分词这些细节都被处理掉了，网页上只管看结果。

本地部署步骤：源码安装

Windows 有开箱即用的打包版，也提供 Docker 部署方式，细节都在 README.md 里。这里展开源码部署，Linux 和 macOS 都适用，最灵活：

先准备 Python 3.9–3.11（不支持 3.12 及以上）和 git。克隆仓库并安装依赖：

mkdir -p /data/chattts && cd /data/chattts git clone https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui . python3 -m venv venv source ./venv/bin/activate pip3 install -r requirements.txt pip3 install torch==2.7.1 torchaudio==2.7.1

有 4G 以上显存的英伟达显卡、想要 GPU 加速的话，把最后一行换成 CUDA 版本：

pip3 install torch==2.7.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu128

另外需要装好 CUDA 12.8 及以上版本的 Toolkit。显存不足 4G 时服务会强制走 CPU，这一步可以跳过。

第一次上手：从启动到出音频

执行启动命令。首次运行会自动下载模型（优先从 ModelScope，连不上则切换到 HuggingFace），所以第一次启动会明显慢一些：

python3 app.py

浏览器自动打开 http://127.0.0.1:9966，页面上四步出结果：

1. 在顶部文本框输入文字。文本按行合成，一句一行排版最干净。
2. 下拉框选音色。下拉里是内置的固定音色编号，不同编号对应不同声音。
3. 点击"立即合成声音"，出现加载动画，等待合成完成。
4. 完成后面板出现音频播放器并自动播放，点"下载音频"把 wav 存到本地。

页面还有两个按钮值得知道："导入txt" 可以直接把文本文件读进输入框，适合长素材；"清理所有wav文件" 会删掉已合成的音频，磁盘紧张时用。

核心功能：音色怎么选、语气怎么控

音色有三种拿法

默认音色是数字，比如 2222。首次用某个编号合成时，程序以它为随机种子生成一个音色并缓存下来，之后同一编号就是同一副嗓子。想要下拉框之外的音色，有两条路：把 csv 或 pt 格式的音色文件放进 speaker 目录，重启后出现在下拉列表；或者在"音色值"栏填任意大于 0 的数字，跳过下拉框，用这个数字当种子生成并缓存新音色。注意同一音色值在不同机器上音调可能略有差异，建议在目标机器上挑定后固定使用。

prompt 控制符

ChatTTS 内置语气控制，写法是方括号符号：[laugh_0] 加笑声、[break_6] 插入停顿、[oral_2] 让语气更口语化。符号填在 Prompt 输入框或随 API 一起传，听感比纯文本自然不少。如果文本本身带符号、或合成效果不理想，勾选"跳过refine text"，服务会跳过文本预润色环节直接进合成。

语速与随机性

语速是 1–9 的滑杆，默认 5，数值越大越快。temperature 默认 0.3，调低更稳定，调高音调起伏更明显但也会更飘。top_p、top_k 保持默认即可，日常调参先动前两个。中英文混排文本会被自动分词处理：中文和英文分开合成，数字转成对应语言的读法（中文语境下 123 读作"一二三"），不用手动清洗文本。

API 调用：一行代码完成文字转语音

网页和程序走的是同一个端点：POST http://127.0.0.1:9966/tts，必填参数只有 text，voice、prompt、custom_voice、temperature 按需传：

import requests res = requests.post('http://127.0.0.1:9966/tts', data={ 'text': '大家好，这是一个本地文字转语音合成示例。', 'voice': '2222', 'prompt': '[laugh_0]', 'temperature': 0.3 }) print(res.json())

成功时 audio_files 里带 wav 的本地路径和可下载地址：

{"code": 0, "msg": "ok", "audio_files": [{"filename": ".../143012_use2.31s-seed2222.wav", "url": "http://127.0.0.1:9966/static/wavs/143012_use2.31s-seed2222.wav"}]}

失败返回 {"code": 1, "msg": "错误原因"}。想直接拿音频文件而不是 JSON，请求里加 wav=1 参数，响应体就是 wav 本身。全部参数见 README.md 的 API 章节。

避坑与排错：5个高频报错

下载模型时报 proxy 相关错误→ 原因：默认从 ModelScope 下载模型，它只支持大陆直连，开代理反而失败 → 解法：关闭代理后重启；网络够不到 ModelScope 时程序会自动切换 HuggingFace 下载

启动报 "Missing spk_stat.pt"→ 原因：ModelScope 模型库缺这个文件，而按种子取音色时必须读它 → 解法：从 HuggingFace 补下 spk_stat.pt，放到 models/pzc163/chatTTS/asset 目录

有显卡但服务走 CPU、合成很慢→ 原因：装的 torch 是 CPU 版，或显存低于 4G（后者会强制 CPU） → 解法：装好 CUDA 12.8+ 后卸载旧 torch，重装 cu128 版本再启动

报 "cannot find a working triton installation"→ 原因：当前环境装不了 triton，而 .env 默认 compile=true → 解法：打开 .env，把 compile=true 改成 compile=false

报 "Dynamo is not supported on Python 3.12"→ 原因：项目只支持 Python 3.9–3.11 → 解法：换低版本 Python 重建虚拟环境，依赖重装一遍

ChatTTS-ui 把 ChatTTS 变成了网页和 API 两全的本地文字转语音服务，全程免费、音频不出本机。更多部署方式看 README.md，完整报错列表看 faq.md，其他问题可以提项目 Issue。

【免费下载链接】ChatTTS-ui一个简单的本地网页界面，使用ChatTTS将文字合成为语音，同时支持对外提供API接口。A simple native web interface that uses ChatTTS to synthesize text into speech, along with support for external API interfaces.项目地址: https://gitcode.com/GitHub_Trending/ch/ChatTTS-ui