Chuyển đến nội dung

2noise / ChatTTS

ChatTTS

Mô hình đọc văn bản cho hội thoại, giọng tự nhiên có cả tiếng cười và quãng ngắt nghỉ

ChatTTS là mô hình chuyển văn bản thành giọng nói được thiết kế cho các tình huống đối thoại như trợ lý AI. Điểm mạnh là điều khiển được những chi tiết nhỏ như tiếng cười, quãng ngừng, ngắt hơi để lời đọc nghe tự nhiên. Hiện hỗ trợ tiếng Anh và tiếng Trung. Mô hình công bố chỉ cho mục đích nghiên cứu và giáo dục (CC BY-NC 4.0), mã nguồn theo AGPLv3+.

  • 40.012 sao
  • 4.246 fork
  • Python
  • Cập nhật 7 tháng trước
  • AGPL 3.0 (chạy dịch vụ cũng phải công bố mã)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Mô hình AI, Thư viện lập trình
Chạy trên
Windows, Linux, macOS, Python
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng ChatTTS

Bạn tải mã nguồn về, cài thư viện bằng pip rồi chạy một lệnh để mở giao diện web mà repo kèm theo. Trong giao diện bạn gõ câu cần đọc, chọn giọng và các tham số rồi bấm tạo để nghe kết quả. Nếu thích dòng lệnh, bạn chạy một script, truyền vào các câu cần đọc và nhận về các file âm thanh.

Cái làm ChatTTS khác nhiều mô hình khác là cách điều khiển biểu cảm. Bạn có thể chèn thẻ đặc biệt trong văn bản để chỉ chỗ ngắt hơi, tiếng cười hoặc mức độ nói chuyện thân mật. Bạn cũng có thể lấy mẫu ngẫu nhiên một giọng mới và lưu lại để dùng lại về sau nếu muốn giữ cùng một giọng.

Tuy vậy, hãy đặt kỳ vọng đúng: README nói rõ mô hình công bố là bản 40.000 giờ huấn luyện trước, chưa qua tinh chỉnh bổ sung, và phiên bản mở dành cho nghiên cứu. Tiếng Anh vẫn được ghi là thử nghiệm trong ví dụ, và tiếng Việt không nằm trong danh sách hỗ trợ.

Tính năng nổi bật

Tối ưu cho hội thoại

Thiết kế để làm giọng cho trợ lý AI và các đoạn thoại, hỗ trợ nhiều người nói.

Điều khiển biểu cảm chi tiết

Chèn thẻ để điều khiển tiếng cười, quãng ngừng, ngắt hơi ở mức câu hoặc từng chữ.

Chọn và lưu giọng

Lấy mẫu một giọng ngẫu nhiên rồi lưu vector giọng để tái sử dụng sau.

Giao diện web và dòng lệnh

Có giao diện web sẵn trong examples và script chạy dòng lệnh lưu ra file mp3.

Cài từ PyPI

Có thể cài thẳng gói ChatTTS bằng pip rồi dùng trong mã Python vài dòng.

Phát âm thanh dạng luồng

Roadmap ghi đã có tạo âm thanh theo luồng (streaming) để nghe sớm hơn.

Tận dụng ChatTTS vào việc gì?

Lập trình viên

Giọng đọc cho trợ lý hoặc chatbot tiếng Anh và tiếng Trung

Gắn ChatTTS vào bot để trả lời bằng giọng, đặc biệt khi cần lời thoại có cảm xúc nhẹ.

Sinh viên, nhà nghiên cứu

Nghiên cứu giọng nói hội thoại

Thử các thẻ điều khiển và so sánh kết quả để hiểu cách mô hình học nhịp điệu.

Người viết kịch bản, người làm nội dung

Làm bản đọc thử cho kịch bản

Tạo nhanh bản nghe thử để duyệt nhịp điệu thoại trước khi thu âm thật (trong phạm vi nghiên cứu, phi thương mại).

Giáo viên, sinh viên

Dạy và học về TTS

Dùng làm ví dụ minh hoạ các kỹ thuật điều khiển biểu cảm trong tổng hợp giọng nói.

Cần chuẩn bị gì?

  • Python (README dùng ví dụ conda với Python 3.11), cài thư viện bằng pip.
  • Card đồ hoạ hỗ trợ tốt hơn, nhưng README không nêu mức VRAM cụ thể.
  • Kết nối Internet lần đầu để tải mô hình từ Hugging Face.
  • Đọc kỹ giấy phép: mô hình CC BY-NC 4.0 không dùng cho mục đích thương mại.

Hướng dẫn cài đặt chi tiết

Cài trên Chạy từ mã nguồn

  1. Tải mã nguồn về rồi vào thư mục dự án.

    Terminal
    git clone https://github.com/2noise/ChatTTS
    cd ChatTTS
  2. Tạo môi trường conda và cài thư viện theo README.

    Terminal
    conda create -n chattts python=3.11
    conda activate chattts
    pip install -r requirements.txt
  3. Mở giao diện web. Trình duyệt sẽ trỏ đến địa chỉ hiện trong Terminal.

    Terminal
    python examples/web/webui.py

Cài trên Cài từ PyPI

  1. Nếu chỉ muốn dùng như một thư viện Python, cài bản ổn định bằng pip.

    Terminal
    pip install ChatTTS
  2. Hoặc cài bản mới nhất từ GitHub.

    Terminal
    pip install git+https://github.com/2noise/ChatTTS

Dùng thử lần đầu

  1. Chạy giao diện web, gõ một câu tiếng Anh hoặc tiếng Trung ngắn rồi bấm tạo để nghe thử.

  2. Thử dòng lệnh: lệnh dưới tạo file output_audio_n.mp3 cho mỗi câu truyền vào, theo mô tả trong README.

    Terminal
    python examples/cmd/run.py "Your text 1." "Your text 2."
  3. Thử dùng trong Python với đoạn mã cơ bản dưới đây (lấy theo ví dụ README). Lệnh torchaudio.save có thể cần đổi cách gọi tuỳ phiên bản torchaudio.

    Python
    import ChatTTS, torch, torchaudio
    chat = ChatTTS.Chat()
    chat.load(compile=False)
    wavs = chat.infer(["Hello, this is a test."])
    torchaudio.save("basic_output0.wav", torch.from_numpy(wavs[0]).unsqueeze(0), 24000)
  4. Thử các thẻ điều khiển như [uv_break] (ngắt hơi) và [laugh] (tiếng cười) trong văn bản để cảm nhận khác biệt, theo ví dụ nâng cao trong README.

  5. Nếu thích một giọng, lưu lại vector giọng (spk_emb) để dùng lại cho lần sau.

Mẹo dùng hay

  • Thử các giá trị temperature, top_P, top_K ở mức README gợi ý để cân bằng ổn định và sinh động.
  • Không cài TransformerEngine hay FlashAttention-2 như README đã cảnh báo: chúng chưa chạy ổn hoặc làm chậm.
  • Dùng các thẻ điều khiển vừa phải; lạm dụng quá nhiều có thể làm giọng gượng.
  • Muốn sản phẩm có giao diện đẹp sẵn, README gợi ý xem danh sách Awesome-ChatTTS do cộng đồng duy trì.

Lưu ý và hạn chế

  • Mô hình theo giấy phép CC BY-NC 4.0, chỉ dành cho giáo dục và nghiên cứu, không dùng cho mục đích thương mại hoặc bất hợp pháp. Mã nguồn theo AGPLv3+.
  • Chỉ hỗ trợ tiếng Anh và tiếng Trung; chưa có tiếng Việt chính thức.
  • Tác giả cho biết có thêm nhiễu tần số cao và nén mô hình nhằm hạn chế lạm dụng. Hãy dùng có trách nhiệm, không dùng để lừa đảo hoặc giả mạo.

Câu hỏi thường gặp

ChatTTS có đọc tiếng Việt không?

README ghi hỗ trợ tiếng Anh và tiếng Trung, các ngôn ngữ khác chưa có. Đừng kỳ vọng tiếng Việt.

Có dùng để bán hàng, làm kênh kiếm tiền được không?

Mô hình theo CC BY-NC 4.0 nên không dùng cho mục đích thương mại. Hãy đọc kỹ điều khoản gốc trước khi dùng.

Cài có khó không?

Cần quen Python và Terminal. Cách nhẹ nhất là chạy giao diện web đi kèm repo sau khi cài thư viện.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/2noise/ChatTTS.git

Repo tương tự nên xem

Giọng nói & âm thanh AI10,2K

Kokoro

hexgrad / kokoro

Mô hình đọc văn bản bằng giọng nói nhỏ gọn 82 triệu tham số, nhanh và chạy được cả trên máy yếu

KhóWindowsmacOSLinuxPython
Giọng nói & âm thanh AI15,6K

F5-TTS

SWivid / F5-TTS

Bắt chước giọng nói từ vài giây âm thanh mẫu rồi đọc văn bản mới bằng giọng đó

KhóWindowsLinuxDockerPython
Giọng nói & âm thanh AI33,8K

Fish Speech

fishaudio / fish-speech

Mô hình đọc văn bản thành giọng nói, nhân bản giọng và điều khiển cảm xúc bằng thẻ trong câu.

KhóLinuxDockerPython

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Giọng nói & âm thanh AI

Giọng nói & âm thanh AI113K

Whisper

openai / whisper

Chuyển giọng nói trong file ghi âm, video thành văn bản ngay trên máy, hỗ trợ nhiều ngôn ngữ

VừaWindowsmacOSLinuxPython
Giọng nói & âm thanh AI65,2K

GPT-SoVITS

RVC-Boss / GPT-SoVITS

Nhân bản giọng nói chỉ từ 5 giây âm thanh, hoặc tinh chỉnh với khoảng 1 phút dữ liệu, kèm WebUI đầy đủ

VừaWindowsmacOSLinuxDocker+1
Giọng nói & âm thanh AI57,2K

VibeVoice

microsoft / VibeVoice

Bộ mô hình giọng nói của Microsoft: nhận dạng giọng nói dài 60 phút và đọc văn bản theo thời gian thực

KhóLinuxDockerPython
Giọng nói & âm thanh AI55,2K

whisper.cpp

ggml-org / whisper.cpp

Chạy mô hình nhận dạng giọng nói Whisper của OpenAI ngay trên máy, nhẹ, offline, không cần Python

KhóWindowsmacOSLinuxAndroid+2
Giọng nói & âm thanh AI39,3K

RVC (Retrieval-based Voice Conversion WebUI)

RVC-Project / Retrieval-based-Voice-Conversion-WebUI

Đổi giọng nói thành giọng khác chỉ cần khoảng 10 phút dữ liệu để huấn luyện, có giao diện web

KhóWindowsLinuxPython
Giọng nói & âm thanh AI38,3K

OpenVoice

myshell-ai / OpenVoice

Nhân bản âm sắc giọng nói từ một đoạn mẫu ngắn và cho đọc bằng nhiều ngôn ngữ, giấy phép MIT

KhóLinuxWindowsDockerPython

Xem cả 20 repo Giọng nói & âm thanh AI Về Kho Repo