🎙️ ChatTTS 语音生成与语速归一化实用指南

本 Skill 沉淀了使用 ChatTTS 生成高质量、语速均匀、音色一致的技术口播配音的完整工程化实践。适用于需要本地生成纯正中文/中英混读旁白，且要求语速绝对均一、声画精确卡点的视频制作场景。

📌 核心模块工作流

graph TD
    Text[原始口播文本] --> Clean[1. 文本清洗与发音纠正]
    Clean --> Break[2. 注入停顿控制符]
    Break --> Infer[3. ChatTTS 推理并锁定音色]
    Infer --> Trim[4. 首尾空白噪声裁剪]
    Trim --> Measure[5. 物理音节计数]
    Measure --> Stretch[6. FFmpeg atempo 语速归一化]
    Stretch --> Padding[7. 补充统一静音边界]
    Padding --> Output[8. 生成分句及 master 旁白]