toper666/topertts-voxcpm

ToperTTS — VoxCPM2

基于VoxCPM2模型的波兰语文本转语音（TTS）服务器，支持声音克隆、REST API、多角色对话及Web管理界面，可通过Wyoming协议集成Home Assistant。

bash
docker run --gpus all -p 3000:3000 \
  -v hf_cache:/root/.cache/huggingface \
  -v ./voices:/app/voices \
  docker.xuanyuan.run/toper666/topertts-voxcpm:latest

Web UI与API可通过 http://localhost:3000 访问。

---

核心功能

• 🎙️ 声音克隆：基于几秒参考音频生成目标语音
• 🇵🇱 波兰语文本归一化：自动转换时间（如14:30→"czternasta trzydzieści"）等格式为文字表述
• 🗣️ 多角色对话：通过[helena]/[hektor]标签切换角色，角色间自动添加停顿
• 🛡️ 防幻觉机制：针对短语句的重试逻辑，消除冗余生成内容
• ✂️ 稳定终止：优化停止信号防抖，避免截断最后音节（可通过环境变量调整）
• 🌐 REST API + Web UI：提供合成页面与管理员界面（管理克隆声音）
• 🏠 Home Assistant集成：支持Wyoming协议（端口***）

---

系统要求

• NVIDIA GPU（支持CUDA，镜像基于nvidia/cuda:13.0.3-runtime-ubuntu22.04）
• 已安装https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html
• 约5GB存储空间（镜像+首次运行下载的模型缓存）

针对Blackwell架构（sm_120/sm_121，如RTX 50xx、GB10）优化，PyTorch 2.11 + CUDA 13.0支持JIT融合，确保生成速度。

---

快速启动（Docker Compose）

yaml
services:
  voxcpm:
    image: docker.xuanyuan.run/toper666/topertts-voxcpm:latest
    ports:
      - "3000:3000"
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    volumes:
      - huggingface_cache:/root/.cache/huggingface
      - ./voices:/app/voices
    ipc: host
    ulimits:
      memlock: -1
      stack: 67108864
    restart: unless-stopped
    environment:
      - PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
      - TORCH_CUDA_ARCH_LIST=12.1
      - TORCHDYNAMO_DISABLE=1
      - TORCHINDUCTOR_DISABLE=1

volumes:
  huggingface_cache:

---

REST API

管理员面板通过X-Admin-Password请求头验证密码。

---

环境变量

---

声音管理

参考声音通过/app/voices卷挂载，支持格式：.wav、.mp3、.flac、.m4a、.ogg，名称需符合[a-z0-9_-]{1,32}规则，也可通过Web UI添加/编辑/删除。

---

镜像标签

• latest：最新稳定版本
• vX.Y.Z：具体版本号
• <sha>：对应提交的构建版本

---

该镜像适用于波兰语语音生成与声音克隆场景，如家庭自动化（Home Assistant通知）等。