1. 环境拓扑与依赖配置

系统要求：macOS 14.0+, Python 3.10, Apple Silicon 芯片。

# 1. 创建 Python 3.10 隔离环境
conda create -n chattts python=3.10 -y
conda activate chattts

# 2. 安装核心计算与音频处理库
pip install torch torchaudio requests huggingface_hub

# 3. 从源代码安装 ChatTTS 引擎
pip install git+https://github.com/2noise/ChatTTS.git

2. 权重获取与离线化处理（绕过 DNS 限制）

针对部分网络环境（如校园网）对 HuggingFace 节点的限制，采用镜像站手动同步模式。

# 设置镜像端点并下载 1.1GB 模型权重
export HF_ENDPOINT=https://hf-mirror.com
python -c "from huggingface_hub import snapshot_download; snapshot_download(repo_id='2Noise/ChatTTS', local_dir='./asset', local_dir_use_symlinks=False, endpoint='https://hf-mirror.com')"

3. 核心生产脚本：read_blog.py

该脚本集成了设备自动检测（MPS 加速）、文本预处理以及分段推理逻辑。

import ChatTTS
import torch
import torchaudio
import re
import os

def run():
    # 设备检测：启用 Apple 硬件加速
    device = torch.device('mps') if torch.backends.mps.is_available() else torch.device('cpu')
    chat = ChatTTS.Chat()
    
    # 加载本地模型路径
    chat.load(source='local', custom_path='./asset', device=device)
    
    # 文档读取与纯净化
    target_file = "blog.md"
    if not os.path.exists(target_file):
        print(f"File not found: {target_file}"); return

    with open(target_file, 'r', encoding='utf-8') as f:
        text = f.read()
    
    # 移除 Markdown 结构字符与公式符号
    text = text.replace('$', '').replace('#', '').strip()
    paragraphs = [p.strip() for p in text.split('\n\n') if len(p.strip()) > 5]
    
    # 提取音色特征
    spk_emb = chat.sample_random_speaker() 
    
    all_wavs = []
    for i, p in enumerate(paragraphs):
        # 推理合成并注入口语化停顿
        wavs = chat.infer([f"{p} [uv_break]"], params_infer={'spk_emb': spk_emb})
        all_wavs.append(torch.from_numpy(wavs[0]))
    
    # 音频合并与持久化存储
    res = torch.cat(all_wavs, dim=-1)
    torchaudio.save("walk_listen.wav", res, 24000)

if __name__ == "__main__":
    run()

4. 运行逻辑与数据流图

系统运行分为四个阶段：

  1. 输入层：读取 blog.md 文稿。
  2. 转换层：字符串清洗，过滤 LaTeX 与 Markdown 标签。
  3. 推理层：调用 ChatTTS 引擎，通过 MPS 将文本向量转化为声学参数。
  4. 输出层：通过 torchaudio 合并并行生成的张量并导出 .wav。

5. 音频后处理（可选）

将合成的原始波形文件转换为压缩格式以便于移动端存储：

# 需安装 ffmpeg (brew install ffmpeg)
ffmpeg -i walk_listen.wav -codec:a libmp3lame -qscale:a 2 walk_listen.mp3