Coqui TTS一个基于深度学习的文本转语音开源库，支持docker快速部署和API调用

 

一、简介

• Coqui TTS 是一个基于深度学习的文本转语音库
• 提供几十种语言的TTS预处理模型，包括中文
• 支持pip一键安装和docker一键部署
• 开源地址：https://github.com/idiap/coqui-ai-TTS

二、安装启动

启动版本选择

1. cpu版本

   • docker-compose.yml配置文件内容如下

     version: '3'
     services:
       tts-cpu:
         image: ghcr.io/coqui-ai/tts-cpu
         container_name: tts-cpu
         restart: always
         ports:
             - 5002:5002
         entrypoint: ["python3"]
         command: ["-u", "TTS/server/server.py", "--model_name", "tts_models/zh-CN/baker/tacotron2-DDC-GST"]
         volumes:
             - ./local:/root/.local #启动后，模型文件会下载到这个目录

2. gpu版本

   • 运行主机需要安装“NVIDIA驱动程序”和“NVIDIA Container Toolkit”（自行安装，不做赘述）
   • docker-compose.yml配置文件内容如下

     version: '3'
     services:
       tts:
         image: ghcr.io/coqui-ai/tts
         container_name: tts
         restart: always
         ports:
             - 5002:5002
         entrypoint: ["python3"]
         command: ["-u", "TTS/server/server.py", "--model_name", "tts_models/zh-CN/baker/tacotron2-DDC-GST", "--use_cuda", "true"]
         volumes:
             - ./local:/root/.local #启动后，模型文件会下载到这个目录
         deploy:
           resources:
             reservations:
               devices:
                 - capabilities: [gpu]

运行启动

直接运行下面命令即可

docker-compose up -d

注意，初次运行需要下载模型，需要耐心等待，输入下面命令查看运行日志

docker-compose logs -f

三、访问使用

使用页面

• 访问 http://127.0.0.1:5002 页面可以在线测试生成
  

• 生成效果展示：（参考：https://blog.luler.top/d/9）

使用接口

• 提供接口：GET http://127.0.0.1:5002/api/tts

• 参数设置：

  参数名称	说明
  text	要生成语音的文本，结尾一定要有标点符号，不然音频会抽风
  style_wav	调整语音风格，格式：{"0": 0.1}
  其他参数...	不做介绍，貌似对中文TTS不生效

• 请求下示例：
  

• 示例音频展示（参考：https://blog.luler.top/d/9）

四、总结

• 存在很多问题：
  • 目前只发现一个中文预处理模型，且只有女声
  • 中文配音质量一般，有待提升
  • 长文本自动中断
  • 中英混搭配音卡壳
• 目前只适合拿来学习，个人使用，不适合用于生产