dbccccccc/ttsfm

解決的問題

TTSFM 提供免費的 OpenAI 相容 API 服務，用於將文本轉換為自然聽感的語音。它充當 openai.fm 後端的橋樑，允許使用者在無需直接使用 OpenAI 官方付費服務的情況下，將高品質的文本轉語音 (TTS) 功能整合到其應用程式中。

工作原理

該專案是 openai.fm 服務的逆向工程實現。它提供了一個模擬 OpenAI TTS 端點的 RESTful API、用於同步與非同步請求的 Python SDK，以及用於即時串流的 WebSocket。為了處理進階音訊處理——例如速度調節（0.25x 至 4.0x）以及六種不同音訊格式之間的轉換——它在完整的 Docker 鏡像版本中使用 ffmpeg。

適用對象

需要為專案提供 OpenAI 相容 TTS 介面的開發人員與研究人員，以及希望透過 Docker 輕鬆部署 TTS 伺服器或使用 Python 函式庫從文本生成語音的使用者。

亮點

• OpenAI 相容性：可作為 OpenAI TTS API 的即插即用替代方案。
• 廣泛的音訊選項：支援 11 種不同的聲音與 6 種音訊格式 (MP3, WAV, OPUS, AAC, FLAC, PCM)。
• 長文本處理：自動分割並合併適用於任何長度內容的音訊。
• 靈活的部署：提供用於進階功能的完整 Docker 鏡像與用於基本功能的精簡鏡像。
• 整合工具：包括用於測試與實驗的 Web 遊樂場 (playground) 與 Python SDK。