ChatTTS API参数详解：文本转语音的关键配置

ChatTTS作为一款优秀的文本转语音工具，其核心APIChat.infer()提供了丰富的参数配置选项，这些参数直接影响着语音合成的效果和质量。本文将深入解析这些关键参数的技术含义和使用场景。

语言与文本处理参数

lang参数用于指定输入文本的语言类型，支持'en'(英语)和'zh'(中文)两种选项。当该参数未指定时，系统会自动检测文本语言。在实际应用中，明确指定语言类型可以提高处理效率，特别是在处理混合语言文本时。

文本预处理阶段包含两个重要开关：

• do_text_normalization：开启后会将数字等符号转换为文字表述，例如"12"会被转换为"十二"
• do_homophone_replacement：该功能会将生僻字替换为同音常用字，提升语音合成的准确性

处理流程控制参数

ChatTTS的文本处理流程可分为两个主要阶段：文本精炼(refine_text)和语音合成。通过以下参数可以灵活控制处理流程：

• skip_refine_text：跳过文本精炼阶段，直接进入语音合成
• refine_text_only：仅执行文本精炼，不进行后续的语音合成
• use_decoder：选择使用Decoder.pt或DVAE_full.pt模型进行语音合成，前者效果通常较差

高级配置对象

API还提供了两个重要的配置对象参数：

• params_refine_text：文本精炼阶段的详细参数配置
• params_infer_code：语音合成阶段的详细参数配置

这些参数为开发者提供了精细控制语音合成各个环节的能力，通过合理配置可以获得更符合需求的语音输出效果。理解这些参数的技术含义，有助于开发者更好地利用ChatTTS的强大功能。