OddTTS更新：十年前老笔记本以纯CPU跑中英混合语音合成

上个星期分别测试了一下两个轻量级的语音合成模型，分别是：

• Kokoro: 加入Kokoro语音合成支持，完全纯本地CPU跑语音合成
• MeloTTS: 轻量级TTS：MeloTTS纯CPU跑语音合成指南

其中Kokoro以更低的CPU要求，可完美达成我的小落同学项目的实时语音交互的需求，因此现在我已经将我的小落同学的主打语音合成在OddTTS上切到了kokoro v1.1。

这里要特别感谢一下一位大佬：路遥。因为前面我以为Kokoro不支持中英混合，所以一开始是准备用MeloTTS的（对CPU要求相对较高），在他的提示下才发现原来Kokoro也可以通过将创建英文和中文两个pipeline来实现中英混合。

以下是一些相关的介绍。

一. 安装 OddTTS

pip install -i https://pypi.org/simple/ oddtts

二. 启动 OddTTS

在命令行中输入下面的命令即可启动：

oddtts

启动后，浏览器打开地址：http://127.0.0.1:9001

• 默认的参数启动：绑定127.0.0.1环回地址，默认使用9001端口。
• 自定义参数启动：若要允许其他IP访问，请使用以下命令启动服务，将host设置为0.0.0.0，端口也可以改成你自定义的端口。

oddtts --host 0.0.0.0 --port 8080

启动后，浏览器打开地址：http://your_ip_addr:8080

注：

1. 首先使用需要从huggingface下载模型，模型文件+语音文件大概400M左右，耗时要看你的网速。
2. 国内访问huggingface.co存在问题，可通过在运行 oddtts 命令前在命令行中输入以下命令来绕过。
   Windows:

set HF_ENDPOINT=https://hf-mirror.com

Linux/MacOS:

export HF_ENDPOINT=https://hf-mirror.com

三. 使用 OddTTS

OddTTS支持自定义协议的API，也支持OpenAI兼容接口的API，一般用户建议用OpenAI兼容接口来使用，三行代码搞定语音合成。

def openai_tts_api_synthesize(voice_id, text_cn_en_mixed):
    print(f"测试使用语音 {voice_id} 合成文本语音")

    client = OpenAI(api_key="dummy", base_url="http://localhost:9001/v1")
    response = client.audio.speech.create(model="oddtts-1", input=text_cn_en_mixed, voice=voice_id, response_format="mp3")
    response.write_to_file("output.mp3")

其他的API接口可以看OddTTS项目的API接口说明。

四、一些测试数据

1. 合成的语音的效果

合成的语音的效果可以看我之前的测试文章：

正常语速wav格式
正常语速mp3格式
3倍语速mp3格式

2. 合成的速度

这个是在我的这台十年前的老笔记本上跑的数据：

1. 首次运行某一个模型的时间需要下载模型，并初始化模型，可能需要耗时几十秒到几分钟，具体时间跟你的电脑的配置，以及你的网速直接相关。在我的这个老笔记本上首次运行Kokoro耗时42.8秒左右。
2. 若是加载了模型后，再来合成语音速度就上去了，合成我的一个口号：“关注我的公众号：奥德元，一起学习 AI，一起追赶时代。Good good study, day day up.”，耗时约3.5秒。

注：这个3.5秒可认为是首字时延，后面由于合成的速度比播放的速度要快得多的多，所以在长文（需切句子）合成的情况下，实际体验的时延可以做到趋近到500ms以内。

3. 若是合成11字的文字，耗时（首字时延）约在1.6秒左右。

具体如下图所示。

3. 切换不同的TTS模型/引擎

OddTTS有集成了多种不同的TTS模型，包括：

• OddGPT-SoVITS – 基于GPT-SoVITS的语音合成引擎（建议6G以上GPU）
• EdgeTTS – 微软Edge浏览器的在线TTS服务(无需GPU)
• ChatTTS – 专为对话场景设计的TTS引擎（建议4G以上GPU）
• Bert-VITS2 – 基于BERT和VITS的语音合成（已禁用）
• Bert-VITS2 V2 – Bert-VITS2的升级版本（已禁用）
• Kokoro – 轻量级多语言TTS引擎（纯CPU，中文）
• Kokoro V1.1 – Kokoro引擎的1.1版本（纯CPU，中英混合）

OddTTS提供了一个简单的管理、测试界面，在启动了OddTTS后可以在浏览器里打开oddtts，然后动态切换TTS模型/引擎。

五、注意事项

模型下载问题

Kokoro的模型放在huggingface.co上，在国内访问存在问题，解决方案：

• Windows

set HF_ENDPOINT=https://hf-mirror.com
set HF_HOME=F:/ai_share/models

• Linux/MacOS

export HF_ENDPOINT=https://hf-mirror.com
export HF_HOME=/opt/ai_share/models

输出wav正常，输出MP3报错

OddTTS的依赖里有加了ffmpeg，但是如果你机器上原先就有安装过ffmpeg有可能会报错，若是报错了，请再手动安装一下ffmpeg即可。

服务启动失败

• 检查端口是否被占用
• 确认所有依赖包已正确安装
• 查看日志文件获取详细错误信息

语音合成失败

• 检查TTS引擎配置是否正确
• 确认选择的语音存在于当前TTS引擎中
• 对于某些需要联网的引擎，确认网络连接正常（如: EdgeTTS）

如何切换TTS引擎

• 现在可以直接在oddtts的web界面上手动修改、切换TTS引擎/模型了
• 修改 oddtts_config.py 文件中的 tts_type 配置项
• 重启服务使配置生效

输出格式

• 默认输出格式为mp3
• 可以通过 response_format 参数指定其他格式，如wav、mp3等

环境要求

• Python 3.12+（低版本也能用，但是建议用3.12+)
• 至少 2GB 可用磁盘空间（模型350M，再加python依赖，语音合成临时文件）
• 推荐 4GB+ 内存

若有其他问题，也可提issue到OddTTS的项目里。