Kokoro-UIAPI（Kokoro-82M模型）的安装与使用方法

引言

Kokoro-UIAPI 是一个基于 Kokoro-82M 模型 的工具，能够为文本和SRT字幕添加语音。它与 OpenAI API 兼容，并支持多种语言和角色。本文将详细介绍 Kokoro-UIAPI 的安装方法及基本使用方法。

目录

1. 功能概述
2. 安装方法
   • Linux 环境准备
   • 克隆仓库与环境配置
   • 安装所需依赖
   • 启动应用程序
3. API 使用方法
   • API 请求示例
   • OpenAI SDK 使用示例
4. 支持的角色列表
5. 总结

---

功能概述

• 文本与SRT字幕配音：支持为文本和SRT字幕生成语音。
• 在线试听与下载：生成后的语音可以在线试听或下载。
• 字幕同步：支持调整字幕的时间轴。
• OpenAI API 兼容：与 OpenAI API 完全兼容。

---

安装方法

Linux 环境准备

首先，在 Linux 环境中安装 ffmpeg。

sudo apt install ffmpeg
# 或者
sudo yum install ffmpeg

克隆仓库与环境配置

接下来，克隆 Kokoro-UIAPI 的仓库，并设置 Python 虚拟环境。

git clone https://github.com/jianchang512/kokoro-uiapi.git
cd kokoro-uiapi

python -m venv venv
source venv/bin/activate

安装所需依赖

运行以下命令安装所需的依赖包。

pip install -r requirements.txt

如果需要生成日语语音，还需要安装 fugashi。fugashi 是 MeCab 的 Cython 封装工具，用于日语的分词和形态分析。使用 fugashi 需要安装字典，推荐使用 UniDic，可以通过以下命令安装：

pip install 'fugashi[unidic]' jaconv mojimoji
python -m unidic download

启动应用程序

完成所有准备工作后，启动应用程序。

python app.py

启动后，默认的 UI 地址为 http://127.0.0.1:5066。

---

API 使用方法

默认的 API 地址为 http://127.0.0.1:5066/v1/audio/speech。可以通过发送 POST 请求来生成语音。

API 请求示例

{
    "input": "需要配音的文本",
    "voice": "配音角色",
    "speed": 1.0
}

成功后会返回 MP3 格式的音频数据。

OpenAI SDK 使用示例

以下是使用 OpenAI SDK 生成语音的示例代码。

from openai import OpenAI

client = OpenAI(
    api_key='123456',
    base_url='http://127.0.0.1:5066/v1'
)

try:
    response = client.audio.speech.create(
        model='tts-1',
        input='天气很好，我们去散步吧。',
        voice='zf_xiaoyi',
        response_format='mp3',
        speed=1.0
    )
    with open('./test_openai.mp3', 'wb') as f:
        f.write(response.content)
    print("MP3 文件已成功保存为 test_openai.mp3。")
except Exception as e:
    print(f"发生错误: {e}")

---

支持的角色列表

Kokoro-UIAPI 支持以下中文角色：

中文角色

zf_xiaobei
zf_xiaoni
zf_xiaoxiao
zf_xiaoyi
zm_yunjian
zm_yunxi
zm_yunxia
zm_yunyang

---

总结

Kokoro-UIAPI 是一款功能强大的多语言语音生成工具，兼容 OpenAI API，适用于多种场景。希望本文能为您提供 Kokoro-UIAPI 的安装与使用参考。

更多详细文档和最新信息，请访问 GitHub 仓库。