产品概述
ChatTTS-Forge 是一个围绕 TTS（文本转语音）生成模型构建的开源项目，旨在为开发者和普通用户提供高度灵活的语音合成能力。它支持多种主流 TTS 模型（如 ChatTTS、CosyVoice、FishSpeech、GPT-SoVITS 等），并内置了丰富的音色库与自定义上传功能。通过风格控制（语速、音高、音量）和语音增强，用户可精细调节输出效果。项目同时提供基于 Gradio 的 WebUI 界面和强大的 RESTful API，适合从个人实验到企业级集成等多种场景。
核心优势
- **多模型统一框架**：无需分别部署不同模型，一个平台即可切换和调用 ChatTTS、CosyVoice、FishSpeech、GPT-SoVITS 等引擎，极大简化了多模型管理。
- **丰富的音色与风格控制**：内置大量预设音色，支持上传自定义语音样本（通过音频或文本）创建个性音色；同时可调节语速、音高、音量，并内置 Enhancer 提升自然度。
- **长文本 & 高级合成**：支持超长文本自动切分、批量推理，配合 SSML 语法实现精细控制；还集成 Whisper 进行语音识别（ASR），并提供了播客工具、字幕转 SSML 等特色功能。
- **易用性与可扩展性**：WebUI 让非技术人员也能快速体验，API 服务器则支持高并发与自定义配置；提供 Docker 容器化部署，方便本地或云端一键运行。
适用场景
- 内容创作者（播客、有声书、视频配音）需要多角色、长篇幅语音生成
- 开发者构建语音助手、客服机器人、语音交互应用
- 研究测试人员对比不同 TTS 模型效果
- 无障碍辅助（为视障用户生成语音内容）
- 企业级语音服务（通过 API 集成到现有系统）