ghcr.io/speaches-ai/speaches

ghcr.io/speaches-ai/speaches:sha-24f209c-cuda-12.4.1

ghcr.iolinux/amd64sha-24f209c-cuda-12.4.1大小: 2.80 GB更新于 2026年10月31日

Speaches

有关安装说明和使用方法,请参阅文档:speaches.ai

功能特性:

  • 兼容 OpenAI API。所有可与 OpenAI API 配合使用的工具和 SDK 均应可与 speaches 配合使用。
  • 音频生成(聊天补全端点)| https://platform.openai.com/docs/guides/realtime
  • 生成文本内容的语音摘要(输入文本,输出音频)
  • 对录音执行情感分析(输入音频,输出文本)
  • 与模型进行异步语音到语音交互(输入音频,输出音频)
  • 流式传输支持(转录内容在音频转录过程中通过 SSE 发送。无需等待音频完全转录即可接收结果)。
  • 动态模型加载/卸载。只需在请求中指定要使用的模型,它将自动加载。在一段时间不活动后,模型将被卸载。
  • 通过 kokoro(在 https://huggingface.co/spaces/Pendrokar/TTS-Spaces-Arena 中排名第一)和 piper 模型实现文本转语音。
  • 支持 GPU 和 CPU。
  • 可通过 Docker Compose / Docker 部署
  • 实时 API
  • 高度可配置

如果您发现错误、有问题或功能建议,请创建 issue。

演示

实时 API

(请忽略呼吸声哈哈。没时间录制更好的演示了)

流式转录

TODO

语音生成

专业版 · 高速稳定拉取镜像
50GB 仅 ¥8/年
高速镜像下载在线技术支持99.95% SLA 保障付费会员免广告