[2noise/ChatTTS]我调用了很多次，发现每次调用的角色声音可能不一样。

7

同，在colab上尝试通过spk_emb固定wavs1和wavs2的音色，但似乎没什么用。蹲一下解决方案

rand_spk = torch.randn(768)
params_infer_code = {'spk_emb' : rand_spk, 'temperature':.3}
wavs1 = chat.infer(texts[0], skip_refine_text = False, use_decoder=True,params_infer_code=params_infer_code)
wavs2 = chat.infer(texts[1], skip_refine_text = False, use_decoder=True,params_infer_code=params_infer_code)`

ZaymeShaw

7

没有GPC，使用CPU不行是吗？

guoqingcun

8

没有GPC，使用CPU不行是吗？

CPU可以运行啊。我就是在笔记本上运行的。

stevezhang88

7

同，在colab上尝试通过spk_emb固定wavs1和wavs2的音色，但似乎没什么用。蹲一下解决方案

rand_spk = torch.randn(768)
params_infer_code = {'spk_emb' : rand_spk, 'temperature':.3}
wavs1 = chat.infer(texts[0], skip_refine_text = False, use_decoder=True,params_infer_code=params_infer_code)
wavs2 = chat.infer(texts[1], skip_refine_text = False, use_decoder=True,params_infer_code=params_infer_code)`

~使用use_decoder=False可以固定中/英文说话人的音色，但是感觉还是有一些差异。~

wavs = chat.infer(
    texts,
    params_refine_text=params_refine_text,
    params_infer_code=params_infer_code,
)

多测了几个随机数，看来还是需要spk_stat.pt。

Prunoideae

0

还缺少 spk_stat.pt吧？等着作者哪天开心，就会上传了吧。

stevezhang88

0

现在作者已经发布了 spk_stat.pt，但是还是不能固定说话人的音色啊，是我的用法不对吗？

std, mean = torch.load('/workspace/ChatTTS/asset/spk_stat.pt').chunk(2) rand_spk = torch.tensor([0.5] * 768) * std + mean

求大佬帮忙看看

lvjin521

1

同问。经调试发现，当‘spk_emb‘不变时，输入GPT模型前的model_input['inputs_embeds']也是不变的，但是经过推理输出说话人却会变。另外，暂时也没找到能影响说话人音色的其它输入。

slang98

5

同问，spk_stat.pt也加载了，spk_stat = torch.load('spk_stat.pt') ；'spk_emb': fixed_spk_emb,

生成1分41秒的视频还是会用到多个音色

nicekate

8

mark下

ZsTs119

4

同问，如何固定音色？

askie

6

可以直接通过torch.manual_seed(SEED) 来固定音色，比如说6666是年轻男声

chat = ChatTTS.Chat()
chat.load_models()

torch.manual_seed(6666) # 音色种子
params_infer_code = {
    'spk_emb': chat.sample_random_speaker(),
    'temperature': 0.1,
    'top_P': 0.7,
    'top_K': 20,
}

同理可以通过设置种子来达到固定语气的作用

torch.manual_seed(6666) # 文本种子
wavs = chat.infer([<生成文本>], use_decoder=True,
                  params_infer_code=params_infer_code)

charSLee013

2

可以直接通过torch.manual_seed(SEED) 来固定音色，比如说6666是年轻男声

chat = ChatTTS.Chat()
chat.load_models()

torch.manual_seed(6666) # 音色种子
params_infer_code = {
    'spk_emb': chat.sample_random_speaker(),
    'temperature': 0.1,
    'top_P': 0.7,
    'top_K': 20,
}

同理可以通过设置种子来达到固定语气的作用

torch.manual_seed(6666) # 文本种子
wavs = chat.infer([<生成文本>], use_decoder=True,
                  params_infer_code=params_infer_code)

测试了，不行。只要文字发生变化，输出的音色就发生变化。

askie

6

可以直接通过torch.manual_seed(SEED) 来固定音色，比如说6666是年轻男声
chat = ChatTTS.Chat()
chat.load_models()

torch.manual_seed(6666) # 音色种子
params_infer_code = {
    'spk_emb': chat.sample_random_speaker(),
    'temperature': 0.1,
    'top_P': 0.7,
    'top_K': 20,
}
同理可以通过设置种子来达到固定语气的作用
torch.manual_seed(6666) # 文本种子
wavs = chat.infer([<生成文本>], use_decoder=True,
                  params_infer_code=params_infer_code)
测试了，不行。只要文字发生变化，输出的音色就发生变化。

试了下，params_refine_text和params_infer_code 这两个参数需要配合使用，才能指定出一个相对比较稳定的音色。

ligenxun

3

如何配合才能稳定音色输出呢？求破！

askie

6

m

YidaHu

5

可以直接通过torch.manual_seed(SEED) 来固定音色，比如说6666是年轻男声
chat = ChatTTS.Chat()
chat.load_models()

torch.manual_seed(6666) # 音色种子
params_infer_code = {
    'spk_emb': chat.sample_random_speaker(),
    'temperature': 0.1,
    'top_P': 0.7,
    'top_K': 20,
}
同理可以通过设置种子来达到固定语气的作用
torch.manual_seed(6666) # 文本种子
wavs = chat.infer([<生成文本>], use_decoder=True,
                  params_infer_code=params_infer_code)
测试了，不行。只要文字发生变化，输出的音色就发生变化。
试了下，params_refine_text和params_infer_code 这两个参数需要配合使用，才能指定出一个相对比较稳定的音色。最近版测试有效。测试发现在不同文字下，音色一致。重启内核多次过程中，可能出现某次略微的音色差别。

给出我的实验代码：

torch.manual_seed(6666) # 固定说话人
# params_infer_code = {'prompt':'[speed_5]', 'temperature':.3}
params_refine_text = {'prompt':'[oral_2][laugh_0][break_6]'}

rand_spk = chat.sample_random_speaker()
print(type(rand_spk))
print(rand_spk.shape)
params_infer_code = {'spk_emb' : rand_spk, }

wav0 = chat.infer('四川美食确实以辣闻名，但也有不辣的选择。比如甜水面、赖汤圆、蛋烘糕、叶儿粑等，这些小吃口味温和，甜而不腻，也很受欢迎。', \
    params_refine_text=params_refine_text, params_infer_code=params_infer_code)

wav1 = chat.infer('我调用了很多次，发现每次调用的角色声音可能不一样。', \
    params_refine_text=params_refine_text, params_infer_code=params_infer_code)`

slang98

8

可以直接通过torch.manual_seed(SEED) 来固定音色，比如说6666是年轻男声
chat = ChatTTS.Chat()
chat.load_models()

torch.manual_seed(6666) # 音色种子
params_infer_code = {
    'spk_emb': chat.sample_random_speaker(),
    'temperature': 0.1,
    'top_P': 0.7,
    'top_K': 20,
}
同理可以通过设置种子来达到固定语气的作用
torch.manual_seed(6666) # 文本种子
wavs = chat.infer([<生成文本>], use_decoder=True,
                  params_infer_code=params_infer_code)
测试了，不行。只要文字发生变化，输出的音色就发生变化。
试了下，params_refine_text和params_infer_code 这两个参数需要配合使用，才能指定出一个相对比较稳定的音色。最近版测试有效。测试发现在不同文字下，音色一致。重启内核多次过程中，可能出现某次略微的音色差别。
给出我的实验代码：
torch.manual_seed(6666) # 固定说话人
# params_infer_code = {'prompt':'[speed_5]', 'temperature':.3}
params_refine_text = {'prompt':'[oral_2][laugh_0][break_6]'}

rand_spk = chat.sample_random_speaker()
print(type(rand_spk))
print(rand_spk.shape)
params_infer_code = {'spk_emb' : rand_spk, }

wav0 = chat.infer('四川美食确实以辣闻名，但也有不辣的选择。比如甜水面、赖汤圆、蛋烘糕、叶儿粑等，这些小吃口味温和，甜而不腻，也很受欢迎。', \
    params_refine_text=params_refine_text, params_infer_code=params_infer_code)

wav1 = chat.infer('我调用了很多次，发现每次调用的角色声音可能不一样。', \
    params_refine_text=params_refine_text, params_infer_code=params_infer_code)`

其实拉取新版本后，可以参考chatTTS的webUI版本，在其中有关于固定音色的写法，如25-35行：

torch.manual_seed(audio_seed_input)
rand_spk = chat.sample_random_speaker()
params_infer_code = {
    'spk_emb': rand_spk, 
    'temperature': temperature,
    'top_P': top_P,
    'top_K': top_K,
    }
params_refine_text = {'prompt': '[oral_2][laugh_0][break_6]'}

torch.manual_seed(text_seed_input)

在web版本这里作者同时设置音频和文本的随机种子，这样使得文本生成的效果更加固定。需要注意的是种子的范围在16行random.randint(1, 100000000)

yiyanchase

[2noise/ChatTTS]我调用了很多次，发现每次调用的角色声音可能不一样。

回答