silero tts api server

サポートされている言語

注記

すべてのモデルはリポジトリからのものです：Snakers4/Silero-Models

言語	モデル	スピーカー
ロシア	V4_ru	5：エイダー、バヤ、クセニヤ、ゼニア、ユージーン
ウクライナ人	v4_ua	1：Mykyta
ウズベック	V4_UZ	1：ディルナボズ
英語	V3_en	118：en_0、en_1、...、en_117
スペイン語	V3_ES	3：ES_0、ES_1、ES_2
フランス語	v3_fr	6：FR_0、FR_1、FR_2、FR_3、FR_4、FR_5
ドイツ語	V3_DE	5：Bernd_ungerer、EVA_K、Friedrich、Hokuspokus、Karlsson
タタール	V3_TT	1：ダイヤラ
モンゴル人	v3_xal	2：Erdni、Delghir

Docker経由のインストール

重要

これには、Dockerがインストールされ、Dockerデーモンが実行される必要があります

docker run --rm -p 8000:8000 twirapp/silero-tts-api-server

ローカルリポジトリから構築および実行します

リポジトリをクローンします：

git clone https://github.com/twirapp/silero-tts-api-server.git && cd silero-tts-api-server

Dockerイメージを構築する：

docker build -f docker/Dockerfile -t silero-tts-api-server .

コンテナを実行します：

docker run --rm -p 8000:8000 silero-tts-api-server

または、Docker Composeを使用してください。

docker-compose -f docker/compose.yml up

インストール

重要

最小要件Python 3.9

このプロジェクトは、依存関係管理にライ麦を使用しています、それはあなたがそれをインストールしたことを前提としています

1. リポジトリをクローンします

   git clone https://github.com/twirapp/silero-tts-api-server.git && cd silero-tts-api-server

2. 依存関係をインストールします

   これにより、 .venvディレクトリに仮想環境が自動的に作成され、必要な依存関係がインストールされます

   rye sync

   （推奨されていません）PIP経由の代替インストール

   仮想環境を作成してアクティブ化します。

   python3 -m venv .venv && source .venv/bin/activate

   必要な依存関係のみをインストールします。

   pip3 install --no-deps -r requirements.lock

3. SileroTTSモデルをダウンロードします

   bash ./install_models.sh

4. サーバーを実行します

   litestar run

注記

デフォルトはlocalhost：8000になります

ドキュメント

Openapiに基づいて自動的に生成されたドキュメントを表示できます。

プロバイダー	URL
sw歩	https：// localhost：8000/schema/
redoc	https：// localhost：8000/schema/redoc
ストップライト要素	https：// localhost：8000/schema/elements
repidoc	https：// localhost：8000/schema/repidoc
Openapi Schema Yaml	https：// localhost：8000/schema/openapi.yaml
Openapi Schema Json	https：// localhost：8000/schema/openapi.json

エンドポイント

• GET /generate - テキストからWAV形式でオーディオを生成します。パラメーター： text speaker sample_rate 、 pitch 、 rate
• GET /speakers - スピーカーのリストを取得します

sample_rate 8 000、24 000、48 000のpitchに設定でき、 rateは0から100に設定できます

環境変数

• TEXT_LENGTH_LIMIT処理するテキストの最大長。デフォルトは930文字です。
• MKL_NUM_THREADSオーディオの生成に使用するスレッドの数。デフォルトのスレッド数：CPUコアの数。

将来の考慮事項

このリポジトリはTwir.App専用であり、要件を満たすように設計されています。

TwirAppは、CPUを使用してオーディオを生成する必要があります。 CUDAやMPSなどの他のデバイスのサポートが必要な場合は、問題を開いてください。