ChatTTS

喜马拉雅、懒人听书等平台上，大量中尾部小说需要录制有声书，市场价每小时成品八十到一百五十元。真人录音师要进棚、对嘴型、后期剪辑，一小时成品要花三小时。用开源 TTS 把这个时间压缩到二十分钟，是二零二六年仍有利润空间的接单方向。 ChatTTS 本地部署要什么配置？ ChatTTS 是开源的中文语音合成模型，仓库在 GitHub 的 2noise 项目下，用 pip 一键安装。最低配置要求八G显存的 N 卡，没有独显也能用 CPU 跑，只是速度慢十倍。实测在一张 RTX 3060 上，合成一小时音频约需要八分钟。 部署步骤：先建 Python 虚拟环境，安装 PyTorch 对应 CUDA 版本，然后 git clone 仓库，pip install 依赖，下载模型权重约一点五G。启动 ChatTTS 的 WebUI 后，把小说文本分段粘贴进去，选择音色随机种子，批量导出 WAV 文件。音色可以通过固定 seed 锁定，保证全书角色音色一致。如果需要多角色对话，准备三到五个不同 seed 的音色，按角色切换。 不想折腾命令行的话，社区有打包好的一键运行版，解压后双击 exe 就能用，适合纯小白。模型权重需要自行下载，放在指定目录。 从文本到上架的完整后期流程是什么？ 第一步是文本清洗。小说原稿里常有作者注、章节标题、错别字，用 DeepSeek 批量处理成适合朗读的纯文本，提示词写「把这段小说转成适合有声书朗读的文本，去掉章节号和括号注释」。第二步是分段合成，每段三百字左右导出一个 WAV，避免一次合成太长导致音色漂移。第三步导入剪映专业版，把所有 WAV 按顺序拖到时间线。第四步用剪映的智能降噪和响度标准化功能，把音量统一到负十六分贝，这是喜马拉雅的上架要求。第五步加片头片尾音效，导出 MP3，比特率选一百二十八 Kbps。 一集二十分钟的有声书，从拿到文本到导出成品，全程约二十五分钟。按每小时成品一百元的市场价算，一小时能做两集四十分钟，收入约一百三十三元，时薪是真人录音的六倍。 这个赛道的风险和上限在哪？ 最大的风险是平台审核。喜马拉雅对 AI 合成音频的检测越来越严，纯机器朗读的书可能被限流或要求标注 AI 生成。应对方法是在剪映里加少量真人语气词，比如呼吸声、停顿微调，让音频听起来更自然。另一个风险是版权，只能接已授权的公版书或平台派单任务，不要自己拿热门小说录了上架，会吃律师函。 接单渠道主要在喜马拉雅的有声化平台注册成为主播，接平台派的新书录制任务。新手先录三集样音，审核通过后才能正式接单。第一本单价低的书练手，做满十集后评级上升，单价会涨到每小时一百二十元以上。月产出按每天两集算，稳定后月入三千到五千元，适合能坐得住的人。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论