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
用户好评
来自真实用户的反馈,见证轩辕镜像的优质服务