Vox Box: 开源文本转语音和语音转文本服务器

Vox Box: 开源文本转语音和语音转文本服务器

vox-box A text-to-speech and speech-to-text server compatible with the OpenAI API, supporting Whisper, FunASR, Bark, and CosyVoice backends. 项目地址: https://gitcode.com/gh_mirrors/vo/vox-box

项目介绍

Vox Box 是一个开源的文本转语音（TTS）和语音转文本（STT）服务器，支持与 OpenAI API 兼容的多种后端，如 Whisper、FunASR、Bark 和 CosyVoice。它旨在为开发者提供一个方便的工具，以构建和部署具有高效率语音处理能力的应用程序。

项目快速启动

以下是快速启动 Vox Box 的步骤：

首先，确保你的系统满足以下要求：

• Python 3.10 或更高版本
• 如果使用 GPU，需要安装以下 NVIDIA 库：cuBLAS for CUDA 12 和 cuDNN 9 for CUDA 12

接着，使用 pip 安装 Vox Box：

pip install vox-box

对于 MacOS 用户，还需要安装 openfst、pynini 和 wetextprocessing：

brew install openfst
export CPLUS_INCLUDE_PATH=$(brew --prefix openfst)/include
export LIBRARY_PATH=$(brew --prefix openfst)/lib
pip install pynini==2.1.6
pip install wetextprocessing==1.0.4.1

启动 Vox Box 服务器：

vox-box start --huggingface-repo-id Systran/faster-whisper-small --data-dir ./cache/data-dir --host 0.0.0.0 --port 80

确保根据需要替换 --data-dir 和 --port 参数。

应用案例和最佳实践

文本转语音（TTS）案例

curl http://localhost/v1/audio/speech \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "cosyvoice",
    "input": "Hello world",
    "voice": "English Female"
}'

语音转文本（STT）案例

curl https://localhost/v1/audio/transcriptions \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: multipart/form-data" \
-F "file=@/path/to/file/audio.mp3" \
-F "model=whisper-large-v3"

最佳实践

• 使用 Docker 容器化部署，以便于管理和扩展。
• 确保服务器安全，例如使用 HTTPS 和适当的认证机制。
• 对接多种不同的语音模型，以适应不同的语言和场景。

典型生态项目

• Whisper: 一个由 OpenAI 开发的强大的语音识别模型。
• FunASR: 百度开源的自动语音识别框架。
• Bark: 基于深度学习的文本到语音合成系统。
• CosyVoice: 一个开源的文本到语音转换工具。

以上就是关于 Vox Box 的开源项目教程。希望对您的开发有所帮助！

vox-box A text-to-speech and speech-to-text server compatible with the OpenAI API, supporting Whisper, FunASR, Bark, and CosyVoice backends. 项目地址: https://gitcode.com/gh_mirrors/vo/vox-box