devnen/Chatterbox-TTS-Server

解決的問題

Chatterbox TTS Server 為自託管 Resemble AI 的 Chatterbox 文本轉語音 (TTS) 系列提供了一種使用者友好的方式。它簡化了這些模型的部署與使用，透過添加現代化的 Web UI 與相容 OpenAI 的 API，無需複雜的手動設定即可實現高品質的語音生成。

工作原理

該專案將 chatterbox-tts 引擎封裝在 FastAPI 伺服器中。它支援三種不同的模型：高品質的 Original Chatterbox（英語）、Chatterbox Multilingual（23 種語言）以及 Chatterbox-Turbo（精簡快速模型）。使用者可以透過 UI 中的熱插拔選擇器在這些引擎之間進行切換。該伺服器處理 NVIDIA、AMD 與 Apple Silicon GPU 的硬體加速，並包含一個智慧分塊系統，可將長文本拆分為易於管理的片段，從而生成無縫的有聲書或長篇旁白。

適用對象

構建語音代理的開發人員、製作有聲書的創作者，以及希望擁有具備語音複製與多語言支援的具表現力強的自託管 TTS 系統的使用者。

亮點

• 多引擎支援： 無需重啟伺服器即可在 Original、Multilingual 與 Turbo 模型之間進行熱插拔切換。
• 豐富的語音控制： Chatterbox-Turbo 支援 [laugh]、[cough] 與 [chuckle] 等副語言標籤，以實現自然的反應。
• 有聲書生成： 智慧文本分塊允許將整本書處理成單個音訊檔案。
• 廣泛的硬體相容性： 原生支援 CUDA、ROCm 與 Apple MPS，包括無需安裝系統 Python 的可攜式 Windows 模式。
• 相容 OpenAI 的 API： 允許輕鬆整合到現有的 AI 工作流與應用程式中。