1. Coqui TTS介绍

---

Coqui TTS 是一款开源的深度学习文本转语音工具包，在语音合成领域具有广泛的应用和较高的知名度。它源于 Mozilla TTS 项目，经过不断的迭代优化，现已成为一个独立且成熟的 AI 语音合成框架。Coqui TTS 提供了超过 1100 种语言的预训练模型库，支持多种先进的文本转语音模型，能生成高度自然的语音。

Coqui TTS 的核心功能强大且丰富：

• 高质量语音合成：可生成自然流畅的语音，有效减少电子合成音的生硬感，十分接近真人语音效果。
• 多语言支持：支持包括中文、英文、日语、法语、西班牙语等在内的多种语言，能满足不同语言环境下的语音合成需求。
• 语音克隆与个性化声音定制：通过 YourTTS 模型，用户仅需少量音频样本，如 3 秒的音频样本，即可克隆自己的声音，生成个性化 TTS 模型。
• 低延迟推理：提供轻量级与高质量模型选择，在保证音质的同时，能够实现低延迟推理，适用于直播、智能语音助手等对实时性要求较高的应用场景。

一句话概括，Coqui TTS 是一款强大的开源文本转语音工具，提供了高质量的语音合成能力。

使用 Docker 部署 Coqui TTS 可以简化安装过程，确保环境一致性。

2. 前提条件

---

在开始之前，请确保系统已满足以下要求：

• 已安装 Docker 引擎（建议版本 20.10 或更高）
• 至少 2GB 可用内存（运行大型模型可能需要更多）
• 网络连接（很重要，用于拉取 Docker 镜像）

检查 Docker 是否正常运行：

docker --version

3. 下载安装Coqui TTS

---

Coqui 官方提供了预构建的 Docker 镜像，可直接拉取

# 拉取 CPU 版本（适合没有 NVIDIA 显卡的系统）
docker pull ghcr.io/coqui-ai/tts-cpu

# 拉取 GPU 版本（需要 NVIDIA 显卡和 nvidia-docker 支持）
docker pull ghcr.io/coqui-ai/tts

镜像下载还挺大的，有10.2G，下载时长取决于网速

4. 启动 Coqui TTS 容器

---

可通过如下命令来启动docker

# 对于 CPU 版本
docker run -it -p 5002:5002 --entrypoint /bin/bash ghcr.io/coqui-ai/tts-cpu

# 对于 GPU 版本
docker run -it -p 5002:5002 --entrypoint /bin/bash ghcr.io/coqui-ai/tts

参数说明：

• -it：创建交互式终端
• -p 5002:5002：将容器的 5002 端口映射到主机的 5002 端口
• ghcr.io/coqui-ai/tts-cpu：指定容器镜像名称
• --entrypoint /bin/bash：进入容器的 bash 终端

如果出现以下错误，则说明服务器没有开启ipv4的转发功能，一定要解决，否则没办法访问

WARNING: IPv4 forwarding is disabled. Networking will not work.

此时编辑系统文件

vi /etc/sysctl.conf

修改如下字段

net.ipv4.ip_forward = 1

使配置生效

sysctl -p /etc/sysctl.con

再次输入命令即可启动容器

5. 启动 Coqui TTS 服务

---

在容器内部，可查看支持的模型

tts --list_models

图中第34行就是中文模型tts_models/zh-CN/baker/tacotron2-DDC-GST，但此时并没有下载

在容器内部，启动 TTS 服务器

python3 TTS/server/server.py --model_name tts_models/zh-CN/baker/tacotron2-DDC-GST

我试了好几次，完全不可能成功，一般都是连接超时

既然有办法下载模型，那肯定也有办法导入模型

前往发行版本内寻找已经公布的模型，https://github.com/coqui-ai/TTS/releases，随便找一个版本的模型即可

找到中文模型并且下载

下载好的模型解压缩，将其复制到容器的/root/.local/share/tts/目录下

docker cp /root/tts_models--zh-CN--baker--tacotron2-DDC-GST eeb383168656:/root/.local/share/tts/

此时再次利用命令tts --list_models查看模型，会显示已经下载

再次启动 TTS 服务器

python3 TTS/server/server.py --model_name tts_models/zh-CN/baker/tacotron2-DDC-GST

如果能看到如下界面，表示服务启动成功

6. 测试 Coqui TTS 服务

---

6.1 前端访问

---

可访问前端测试，输入: http://192.168.78.145:5002/，其中192.168.78.145替换为服务器ip

6.2 restful 接口访问

---

也可以发送get请求， url请求地址：http://192.168.78.145:5002/api/tts，其中192.168.78.145替换为服务器ip

参数

字段	含义	示例
style_wav	音频分割风格	默认{"0": 0.1}即可
text	需要朗读的文本内容	测试朗读文本内容

完整的示例如下，但是记得朗读的句子结尾加上句号，否则文本内容会有点奇怪

http://192.168.78.145:5002/api/tts?style_wav={"0": 0.1}&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。

将返回音频wav文件

7. Coqui TTS 存在的小问题

---

• 中文模型只有一个女声，没办法选择
• 中文模型没办法中英文混度，貌似是转译的问题
• 处理长文本会有中断现象发生