openedai-speech：文本转语音服务器软件（源码）

产品简介

openedai-speech 这是一个开源的文本转语音服务器，兼容 OpenAI 的语音 API，允许用户在本地运行免费、私有的语音合成服务。它支持自定义语音克隆、多种输出格式和速度调节，无需 OpenAI API 密钥，适合需要本地部署语音合成的开发者和内容创作者。

核心功能

• 兼容 OpenAI 语音 API，提供标准音频生成端点
• 支持自定义语音克隆和多种预设声音如 alloy、echo 等
• 输出格式包括 mp3、opus、aac、flac、wav 等
• 语音速度可调范围 0.25 到 4.0 倍
• 支持多语言自动检测和流式输出

快速开始

1. 第一步：复制 sample.env 为 speech.env 并根据需求配置环境变量
2. 第二步：运行 `docker compose up`（NVIDIA GPU）或 `docker compose -f docker-compose.rocm.yml up`（AMD GPU）启动服务
3. 第三步：首次启动时自动下载语音模型，之后可通过 API 调用生成语音

界面预览

与其他方案对比

适合谁用

• 需要本地部署语音合成服务的开发者
• 想要自定义声音进行内容创作的播客或视频制作者
• 寻求免费私有文本转语音解决方案的教育工作者或学生

下载与版本

当前最新版本为 0.18.2，发布于 2024-08-16。支持 Windows、macOS、Linux。

⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。

注意事项

• 本工具仅供学习和研究使用，请遵守相关法律法规。
• 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
• 项目源码地址：https://github.com/matatonic/openedai-speech