Social Stream Ninja - دليل تحويل النص إلى كلام بالذكاء الاصطناعي المحلي

يمكن لـSocial Stream Ninja قراءة رسائل الدردشة بصوت مسموع باستخدام تحويل النص إلى كلام بالذكاء الاصطناعي المحلي. قد تعني «محلي» أحد أمرين: تشغيل الصوت داخل المتصفح، أو تشغيل خادم صغير لتحويل النص إلى كلام على جهازك.

هناك طريقتان:

المسار 1 — تحويل النص إلى كلام المدمج دون إعداد

تتوفر عدة أصوات ذكاء اصطناعي عالية الجودة مدمجة مباشرة في Social Stream Ninja. تعمل في متصفحك باستخدام WebAssembly أو ONNX — دون خادم أو Docker أو تثبيت.

Kokoro 82M (أفضل جودة)
Piper Neural TTS
Kitten TTS
eSpeak-NG

ما عليك سوى إضافة معامل URL والبدء.

المسار 2 — خادم مستضاف ذاتيًا Docker مطلوب

شغّل خادمًا محليًا لتحويل النص إلى كلام على جهازك ووجّه Social Stream Ninja إليه. يتيح لك أصواتًا أكثر واستنساخ الصوت والتحكم من جانب الخادم.

Kokoro-FastAPI
openedai-speech (Piper)
kokoro-web

يستخدم دعم Social Stream المدمج لـ نقطة نهاية متوافقة مع OpenAI .

ابدأ بالمسار 1. إذا أردت فقط تشغيل تحويل النص إلى كلام في OBS، فجرّب Kokoro أو Kitten المدمج أولًا. لا يحتاجان إلى Docker أو خادم أو مفتاح API. استخدم خادمًا مستضافًا ذاتيًا فقط عندما تحتاج تحديدًا إلى صوت خادم أو استنساخ صوت أو نموذج آخر.

هذا أقصر مسار لمعظم مقدمي البث:

1

استخدم المزود المدمج أولًا. أضف &speech=en-US&ttsprovider=kokoro أو &speech=en-US&ttsprovider=kitten إلى dock.html .

2

ضع ذلك الرابط في OBS كمصدر متصفح. مصدر المتصفح في OBS هو الصفحة التي ستصدر الصوت.

3

فعّل التقاط الصوت في OBS. في خصائص مصدر المتصفح، فعّل التحكم في الصوت عبر OBS (Control audio via OBS).

4

أرسل رسالة دردشة اختبارية قصيرة واحدة. استخدم شيئًا بسيطًا مثل Testing local TTS. انتظر تنزيلات النماذج الأولى عند استخدام Kokoro أو Piper.

5

بعد ذلك فقط، جرّب خادمًا مستضافًا ذاتيًا. إذا كنت تستخدم Kokoro-FastAPI أو openedai-speech أو خادم Docker آخر، فاقرأ قاعدة localhost أدناه قبل نسخ رابط إلى OBS.

هذا أكثر خطأ شائع في تحويل النص إلى كلام المحلي.

localhost و 127.0.0.1 يعنيان دائمًا «هذا الجهاز نفسه». إذا كان OBS على جهاز وKokoro على جهاز آخر، فإن 127.0.0.1 داخل عنوان URL الخاص بـOBS يشير إلى جهاز OBS، وليس جهاز Kokoro.

رسم يوضح أن localhost يعني الجهاز نفسه، بينما يحتاج جهاز آخر إلى عنوان LAN — استخدم `127.0.0.1` فقط عندما يكون خادم تحويل النص إلى كلام على الجهاز نفسه الذي يشغّل صفحة الصوت. إذا كان الخادم على جهاز آخر، فاستخدم عنوان LAN لذلك الجهاز.

إعدادك	نقطة النهاية المطلوب استخدامها
OBS وKokoro يعملان على الجهاز نفسه	`http://127.0.0.1:8880/v1/audio/speech`
Kokoro يعمل على جهاز آخر في شبكتك المنزلية	`http://192.168.x.x:8880/v1/audio/speech`، باستخدام عنوان LAN الخاص بجهاز Kokoro
يعمل زر الاختبار في تطبيق سطح المكتب SSN، لكن OBS صامت	يظل OBS بحاجة إلى نقطة نهاية عاملة خاصة به. نجاح اختبار التطبيق لا يثبت أن OBS يستطيع الوصول إلى الخادم.

على Linux وmacOS وWindows، تأكد أيضًا من أن جدار الحماية يسمح بالمنفذ وأن Docker نشره باستخدام -p 8880:8880.

في النافذة المنبثقة للإضافة، افتح محدد مزود تحويل النص إلى كلام واختر نقطة نهاية مخصصة أو محلية لتحويل النص إلى كلام. يعرض ذلك حقول نقطة النهاية المحلية المتوافقة مع OpenAI والرابط المؤدي إلى هذا الدليل.

خريطة بأسلوب لقطة شاشة لحقول تحويل النص إلى كلام المحلي في Social Stream Ninja — حقل نقطة النهاية هو الأهم. مع الخادم المحلي، يمكن عادةً ترك مفتاح API فارغًا. اختر اسم صوت يدعمه خادمك فعلًا.

حول لقطات الشاشة: توضح خريطة حقول SSN أعلاه حقول نقطة النهاية المحلية. تتغير واجهات خوادم الجهات الخارجية باختلاف إصدار المشروع، لذلك توجد روابط للقطات الشاشة الحالية وتفاصيل الواجهة من مستودع كل مشروع قرب خطوة الإعداد المعنية.

يتعامل SSN مع خادم تحويل النص إلى كلام المحلي أو المستضاف ذاتيًا كنقطة نهاية كلام متوافقة مع OpenAI. التدفق الأساسي هو:

chat text -> SSN TTS request -> local endpoint or SSN bridge -> TTS server -> audio response -> SSN playback

بنية الطلب

بالنسبة إلى ttsprovider=customtts, localtts، أو openai، يرسل SSN طلب JSON POST إلى نقطة النهاية المُهيَّأة:

POST /v1/audio/speech { "model": "tts-1", "input": "Chat message text", "voice": "af_bella", "response_format": "mp3", "speed": 1.0 }

CORS والصفحات المستضافة والجسر

CORS هو فحص أذونات يجريه المتصفح. ببساطة: يجب أن يخبر خادم تحويل النص إلى كلام المتصفح بأن «نعم، يُسمح لهذه الصفحة بطلب الصوت مني». إذا غاب هذا الإذن، فقد يُحظر الطلب قبل أن يراه Kokoro أو أي خادم تحويل نص إلى كلام آخر.

إذا حمّلت dock.html في Chrome أو OBS، فقد يكون لـCORS تأثير.
إذا حمّلت صفحة مستضافة مثل https://beta.socialstream.ninja/dock.html، فقد يحظر Chrome أيضًا الاستدعاءات إلى عناوين HTTP المحلية أو الخاصة.
إذا نجح زر الاختبار داخل تطبيق SSN لكن مصدر المتصفح في OBS صامت، فاختبر OBS بصورة منفصلة. لدى OBS متصفحه الخاص.

إذا لم يسمح الخادم بطلبات المتصفح، فشغّل جسر SSN المحلي لتحويل النص إلى كلام ووجّه SSN إلى http://127.0.0.1:8124/v1/audio/speech. مع OBS، أسهل إعداد هو تشغيل الجسر على الجهاز نفسه الذي يشغّل OBS.

استجابات الصوت المدعومة

الاستجابة	دعم SSN	ملاحظات
صوت ثنائي	نعم	أفضل خيار. أعِد `audio/mpeg`, `audio/wav`, `audio/ogg`, `audio/aac`، أو نوع صوت آخر يمكن للمتصفح تشغيله.
JSON مع رابط صوت	نعم	يفحص SSN `url`, `audio_url`, `output_url`، والقيمة المتداخلة `data.url`، وأول `data[]` .
JSON مع صوت بترميز base64	نعم	يفحص SSN `audio`, `audio_data`, `audioContent`, `b64_json`، والقيمة المتداخلة `data` ، وعناوين URL للبيانات.
PCM خام	فقط عند استخدام غلاف	أعِد PCM كملف WAV أو WAV بترميز base64. لا يمكن لعنصر الصوت في المتصفح تشغيل بايتات PCM الخام مباشرة بصورة موثوقة.

التنسيقات الموصى بها: استخدم mp3 للملفات الصغيرة ودعم المتصفحات الواسع، و wav لخوادم الاستنساخ المحلية واختبار الجسر، و opus فقط عندما يدعمه الخادم والمتصفح كلاهما.

الصوت المتدفق

لا ينفذ SSN حاليًا تشغيلًا تدريجيًا لنقاط نهاية تحويل النص إلى كلام المخصصة أو المحلية. ينتظر كتلة الاستجابة أو حمولة الصوت في JSON، ثم يشغّلها. تتيح بعض الخوادم نقاط نهاية متدفقة، لكن المسار الحالي المتوافق مع OpenAI في SSN يُخزّن الصوت قبل تشغيله.

النتيجة العملية: اجعل مقاطع قراءة الدردشة قصيرة. يحتاج دعم التدفق إلى مسار تشغيل منفصل يستخدم مقاطع WAV/MP3 متدفقة أو MediaSource أو WebCodecs أو مازجًا على الخادم.

هذه المحركات مضمّنة داخل Social Stream Ninja ولا تحتاج إلى تثبيت. تعمل في المتصفح باستخدام WebAssembly ‏(WASM) أو ONNX Runtime.

المزود	الجودة	استخدام CPU	GPU/WebGPU	معامل URL
Kokoro TTS	⭐⭐⭐⭐⭐ ممتاز	متوسط	أسرع باستخدام GPU	`?ttsprovider=kokoro`
Piper TTS	⭐⭐⭐⭐ جيد جدًا	منخفض	CPU فقط	`?ttsprovider=piper`
Kitten TTS	⭐⭐⭐ جيد	منخفض جدًا	CPU فقط	`?ttsprovider=kitten`
eSpeak-NG	⭐⭐ آلي	ضئيل	CPU فقط	`?ttsprovider=espeak`

كيفية التفعيل

أضف &ttsprovider= و &speech= إلى Social Stream الخاص بك dock.html عنوان URL:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=kokoro

خيارات Kokoro TTS

يوفر SSN حاليًا 28 صوتًا إنجليزيًا وثلاثة أصوات إسبانية وثلاثة أصوات بالبرتغالية البرازيلية من Kokoro. حدد أحدها باستخدام &voicekokoro=:

English female: af_bella, af_sarah, af_nicole, af_sky English male: am_adam, am_michael British female: bf_emma, bf_isabella British male: bm_george, bm_lewis

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=kokoro&voicekokoro=af_bella&kokorospeed=1.1

ملاحظة لغوية: اختر صوت Kokoro يطابق اللغة المطلوبة. تغيير معامل اللغة وحده لا يغيّر الصوت المحدد.

مثال بالإسبانية:

dock.html?session=YOUR_SESSION&speech=es-ES&ttsprovider=kokoro&voicekokoro=ef_dora

مثال بالبرتغالية:

dock.html?session=YOUR_SESSION&speech=pt-BR&ttsprovider=kokoro&voicekokoro=pf_dora

خيارات Piper TTS

حدد نموذج صوت باستخدام &pipervoice=:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=piper&pipervoice=en_US-hfc_female-medium

تتوفر أصوات Piper بالبرتغالية والإسبانية:

Brazilian Portuguese: pt_BR-faber-medium, pt_BR-edresson-low

Spanish: es_ES-davefx-medium, es_MX-ald-medium

dock.html?session=YOUR_SESSION&speech=pt-BR&ttsprovider=piper&pipervoice=pt_BR-faber-medium

dock.html?session=YOUR_SESSION&speech=es-ES&ttsprovider=piper&pipervoice=es_ES-davefx-medium

خيارات Kitten TTS

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=kitten&kittenvoice=expr-voice-4-f

خيارات eSpeak-NG

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=espeak&espeakvoice=en&espeakspeed=175

dock.html?session=YOUR_SESSION&speech=pt-BR&ttsprovider=espeak&espeakvoice=pt-br&espeakspeed=145

dock.html?session=YOUR_SESSION&speech=es-ES&ttsprovider=espeak&espeakvoice=es&espeakspeed=145

التحميل الأول: يحتاج Kokoro وPiper إلى تنزيل ملفات نماذجهما عند أول استخدام (نحو 50–200 MB). يحدث ذلك تلقائيًا في الخلفية. يمكن لعمليات التحميل اللاحقة إعادة استخدام النماذج المخزنة مؤقتًا، لكن التهيئة تظل تستغرق وقتًا. لدى OBS ذاكرة تخزين مؤقت منفصلة عن Chrome/Edge.

الالتقاط في OBS: تشغّل جميع مزودات تحويل النص إلى كلام المدمجة الصوت مباشرة عبر المتصفح. في OBS، أضف dock.html كمصدر متصفح وفعّل «التحكم في الصوت عبر OBS» (Control audio via OBS)— دون الحاجة إلى كابلات افتراضية. راجع قسم OBS أدناه.

تستخدم إضافة Chrome ومصدر المتصفح في OBS وتطبيق سطح المكتب المستقل Social Stream Ninja جميعها dock.html معاملات URL لتحويل النص إلى كلام نفسها. الفرق المهم هو مكان إنتاج الصوت.

بيئة التشغيل	سلوك تحويل النص إلى كلام المحلي	التقاط الصوت
إضافة Chrome / مصدر متصفح OBS	تتطلب طلبات fetch من المتصفح دعم CORS من الخادم المحلي، ما لم تستخدم جسر SSN.	استخدم مصدر متصفح OBS مع «Control audio via OBS».
تطبيق سطح المكتب المستقل	يستخدم إعدادات المزود نفسها. نوافذ الملفات المحلية في التطبيق أقل تقيدًا بـCORS، لكن الجسر يظل المسار الأكثر موثوقية للخوادم التي ترفض طلبات المتصفح.	التقط صوت سطح المكتب أو التطبيق، أو وجّه التطبيق إلى كابل صوت افتراضي.
Kokoro المدمج في تطبيق سطح المكتب	يمكن للتطبيق استخدام مسار `ninjafy.tts` المحلي لـKokoro بدلًا من الاعتماد فقط على تحميل النموذج في المتصفح.	يصدر الصوت من التطبيق، لذا استخدم التقاط صوت سطح المكتب أو التطبيق.

لا تخلط بين اختبار التطبيق وOBS. إذا ضغطت Test داخل تطبيق SSN، فالتطبيق يجري الاختبار من داخله. وإذا نسخت رابط dock.html إلى OBS، فإن OBS هو الذي يجب أن يصل إلى خادم تحويل النص إلى كلام ويشغّل الصوت.

إذا أردت خيارات أصوات أكثر أو استنساخ الصوت أو خادمًا مخصصًا تعيد استخدامه عبر الأدوات، فيمكنك تشغيل خادم محلي لتحويل النص إلى كلام. يتصل به Social Stream Ninja باستخدام نقطة نهاية لتحويل النص إلى كلام متوافقة مع OpenAI — لا يلزم مفتاح API للخوادم المحلية.

المتطلبات: Docker Desktop يجب أن يكون مثبتًا وقيد التشغيل. Docker مجاني للاستخدام الشخصي.

ثلاثة خيارات موصى بها:

مستودع Kokoro-FastAPI مستودع openedai-speech مستودع kokoro-web

الخادم	النموذج	GPU	القرص	المنفذ الافتراضي
Kokoro-FastAPI موصى به	Kokoro 82M	اختياري	~2 GB	8880
openedai-speech (Piper) خفيف	Piper TTS	CPU فقط	<1 GB	8000
kokoro-web	Kokoro 82M	اختياري	~2 GB	3000

أي حزمة تناسبك؟

الحزمة	أبرز فائدة	المقابل
Kokoro المدمج	أفضل خيار أول: دون خادم، وجودة عالية، وخصوصية، ويعمل في المتصفح وتطبيق سطح المكتب.	دون استنساخ أصوات.
Kokoro-FastAPI	خادم متوافق مع OpenAI، وإعداد Docker سهل، وCPU أو GPU، وأصوات Kokoro عديدة.	لا يوفر استنساخًا حقيقيًا للصوت؛ يعتمد مزج الأصوات وميزات الصوت المخصص على نسخة الخادم.
openedai-speech	نقطة نهاية خفيفة متوافقة مع OpenAI؛ يناسب Piper معالج CPU، ويضيف XTTS استنساخ الصوت مع استهداف نحو 4 GB من VRAM.	يذكر المستودع أنه أصبح متقادمًا إلى حد كبير، لذا اعتبره مفيدًا دون ضمان ملاءمته للمستقبل.
خوادم Chatterbox	استنساخ الصوت وخيارات واجهة ويب وواجهات API متوافقة مع OpenAI وأدوات للنصوص الطويلة.	دعم CUDA/GPU أسلس من CPU في بعض النسخ؛ يختلف الإعداد باختلاف تفرع الخادم.
GPT-SoVITS	استنساخ وتحكم قويان مع مراجع قصيرة ودعم النص المرجعي.	غير متوافق مع OpenAI افتراضيًا؛ استخدم وضع جسر SSN.
F5-TTS	استنساخ طبيعي دون تدريب مسبق على المتحدث باستخدام WAV توجيهي ونصه.	المشروع الرسمي ليس نقطة نهاية OpenAI بسيطة؛ استخدم غلافًا أو وضع الجسر.
Qwen3-TTS	ميزات حديثة لاستنساخ الصوت وتصميمه، بما فيها نماذج أصغر بحجم 0.6B/1.7B.	يعطي الأولوية للمكتبة والعرض التجريبي؛ يحتاج إلى غلاف لـSSN.
MisoTTS	توليد كلام متقدم من توجيهات.	ليس هدفًا محليًا مناسبًا لـ6 GB من VRAM؛ استخدم استضافة بعيدة أو مخصصة عند الحاجة.

استنساخ الصوت ليس وضعًا منفصلًا في SSN. بل هو ميزة داخل بعض خوادم تحويل النص إلى كلام المحلية. يرسل SSN نص الدردشة إلى نقطة نهاية محلية؛ ويختار الخادم الصوت المستنسخ من ملف صوت مرجعي محفوظ أو ملف صوت للمتحدث أو إعداد الجسر.

التدفق المعتاد

سجّل مقطعًا مرجعيًا واضحًا، عادةً بين 3 و30 ثانية لمتحدث واحد مع ضوضاء خلفية قليلة.
تتطلب بعض المحركات أيضًا النص الدقيق لذلك المقطع المرجعي.
يحوّل الخادم المحلي المرجع إلى توجيه متحدث أو تمثيل متجهي أو ملف صوتي للمتحدث.
يرسل SSN نص الدردشة المباشرة إلى نقطة النهاية باستخدام ttsprovider=customtts.
يعيد الخادم ملف صوت قابلًا للتشغيل، عادةً WAV أو MP3، ويشغّله SSN في لوحة الإرساء أو مصدر المتصفح.

استخدم فقط الأصوات التي وافق أصحابها على استخدامها. يمكن أن يبدو الصوت المستنسخ كصوت شخص حقيقي، لذا استخدم فقط أصواتًا تملكها أو لديك إذن باستخدامها أو رخصة واضحة لاستخدامها لهذا الغرض.

XTTS-v2 غير تجاري افتراضيًا. ترخيص Coqui Public Model License يسمح فقط بالاستخدام غير التجاري للنموذج ومخرجاته. قد لا يندرج بث يحقق إيرادات ضمن ذلك، لذا تحقق من الترخيص أو احصل على إذن منفصل قبل استخدام XTTS-v2 تجاريًا.

مع 6 GB من VRAM أو أقل، ابدأ بنماذج استنساخ الصوت الصغيرة دون تدريب مسبق على المتحدث والخوادم المتوافقة مع OpenAI. يمكن أن تعمل النماذج الأكبر عبر نقطة نهاية SSN نفسها إذا استضافها المستخدم في مكان آخر.

XTTS / openedai-speech chatterbox-tts-api Chatterbox-TTS-Server GPT-SoVITS F5-TTS Qwen3-TTS MisoTTS

الخيار	استنساخ الصوت	يعمل ضمن 6 GB من VRAM	مسار API لـSSN
Qwen3-TTS 0.6B Base	صوت مرجعي مدته 3 ثوانٍ	على الأرجح	استخدم غلافًا متوافقًا مع OpenAI، ثم `ttsprovider=customtts`
XTTS-v2 / openedai-speech	أصوات مرجعية من مقاطع WAV قصيرة	نعم، نحو 4 GB بحسب openedai-speech	`/v1/audio/speech`
Chatterbox Turbo / Server	استنساخ باستخدام صوت مرجعي	على الأرجح عند استخدام Turbo أو مقاطع صغيرة	نسخ خوادم متوافقة مع OpenAI، أو الجسر
GPT-SoVITS	5 ثوانٍ لوضع zero-shot، ودقيقة لوضع few-shot	على الأرجح مع fp16 أو تثبيت خفيف	استخدم `scripts/local-tts-bridge.cjs --mode gptsovits`
F5-TTS	WAV توجيهي + نصه	ربما؛ يعتمد على النسخة ومولّد الموجة الصوتية	استخدم غلافًا متوافقًا مع OpenAI، أو `--mode f5` لأغلفة خادم F5-TTS
MisoTTS 8B	سياق صوتي توجيهي	لا؛ يوصي المشروع بـ24 GB من VRAM	نقطة نهاية بعيدة أو مخصصة فقط

أفضل بنية هدف لـSSN: تقبل POST /v1/audio/speech مع { model, input, voice, response_format, speed } وتعيد ملف صوت قابلًا للتشغيل. يشمل ذلك OpenAI وCoqui/XTTS وأغلفة Kokoro وأغلفة Qwen ومعظم خدمات الوكيل.

هذه نقاط بداية عملية وليست ضمانات قاطعة. يمكن لإصدار النموذج والتكميم وطول النص وصورة Docker والتطبيقات الخلفية أن تغير استخدام الذاكرة.

الخيار	الحد الأدنى العملي لمواصفات الكمبيوتر	هدف مناسب	ملاحظات
تحويل النص إلى كلام في النظام / eSpeak	أي جهاز PC حديث	أي جهاز PC	سريع، منخفض الجودة، دون استنساخ أصوات.
Kitten المدمج	CPU منخفض المواصفات، و4 GB من RAM	CPU لحاسوب محمول حديث، و8 GB من RAM	نموذج ONNX صغير، وبدء تشغيل سريع.
Piper المدمج	CPU حديث، و4-8 GB من RAM	CPU حديث، و8 GB من RAM	خيار جيد لصوت عصبي قليل المتطلبات.
Kokoro المدمج	CPU حديث، و8 GB من RAM	GPU يدعم WebGPU أو CPU سريع، و8-16 GB من RAM	أفضل جودة دون إعداد. ينزّل التحميل الأول ملفات النموذج.
Kokoro-FastAPI	مضيف Docker يستخدم CPU، و8 GB من RAM	GPU اختياري من NVIDIA، و8-16 GB من RAM	خادم محلي جيد عندما لا يكون تحميل النموذج داخل المتصفح مناسبًا.
openedai-speech Piper	CPU، و4-8 GB من RAM	CPU، و8 GB من RAM	خادم خفيف متوافق مع OpenAI.
openedai-speech XTTS	GPU من NVIDIA بنحو 4 GB من VRAM، و8-16 GB من RAM	GPU من NVIDIA بذاكرة 6 GB+، و16 GB من RAM	مسار استنساخ الصوت؛ يمكن استخدام CPU لكنه بطيء.
خوادم Chatterbox	قد تعمل بعض النسخ على CPU، لكنها بطيئة	GPU من NVIDIA بذاكرة 6 GB+، و16 GB من RAM	استخدم GPU عند استنساخ الصوت أو معالجة نص طويل.
GPT-SoVITS / F5-TTS / Qwen3-TTS	للاختبار على CPU فقط، بطيء	GPU من NVIDIA بذاكرة 6 GB+ للنماذج الأصغر أو المحسنة، و16 GB من RAM	اختيار الغلاف وحجم النموذج مهمان. توقع إعدادًا أكثر.
MisoTTS 8B	غير موصى به محليًا مع 6 GB من VRAM	24 GB من VRAM أو مضيف بعيد	يوصي المستودع ببطاقات GPU ذات VRAM كبيرة للاستخدام التفاعلي.

هذه أهداف استنساخ الصوت المستضافة ذاتيًا التي جرى فحص توافقها مع SSN. اختُبر مسار نقطة النهاية المحلية مع كل من dock.html و featured.html.

يقبل SSN استجابات صوت ثنائي مباشرة، واستجابات JSON تحتوي على صوت بترميز base64، واستجابات JSON تحتوي على رابط صوت. يُخزّن التشغيل المخصص أو المحلي الحالي الصوت المُعاد قبل تشغيله؛ لا يُدعَم التشغيل التدريجي المتدفق بعد.

الخادم	مسار SSN	ملاحظات
openedai-speech	مباشرة أو عبر الجسر	متوافق مع OpenAI `/v1/audio/speech`. اختُبر وضع Piper بتوليد صوت فعلي على CPU من `dock.html` و `featured.html`، مباشرة وعبر الجسر. إذا كنت تشغّل من المصدر على Windows، فتأكد من أن مجلد البيئة الافتراضية `Scripts` مدرج في `PATH` بحيث `piper.exe` و `ffmpeg.exe` يمكن العثور عليهما.
chatterbox-tts-api	مباشرة أو عبر الجسر	متوافق مع OpenAI `/v1/audio/speech`. يستخدم الصوت المرجعي المُهيَّأ لاستنساخ الصوت. اختُبرت بنية API مباشرة وعبر الجسر.
Chatterbox-TTS-Server	مباشرة أو عبر الجسر	نقطة نهاية متوافقة مع OpenAI وواجهة ويب. اختُبرت بتوليد صوت فعلي على CPU باستخدام `Emily.wav` من `dock.html` و `featured.html`، مباشرة وعبر الجسر.
GPT-SoVITS	وضع الجسر	شغّل جسر SSN باستخدام `--mode gptsovits`؛ الخادم المستهدف هو `/tts`، وليس متوافقًا مع OpenAI.
F5-TTS_server	وضع الجسر	شغّل جسر SSN باستخدام `--mode f5`؛ يستخدم الخادم المستهدف `GET /synthesize_speech/`.
F5-TTS الرسمي	يحتاج إلى غلاف	يعطي الأولوية لـCLI وGradio وخادم المقبس. استخدم غلافًا متوافقًا مع OpenAI أو وضع جسر F5 مع غلاف.
Qwen3-TTS	يحتاج إلى غلاف	يعطي الأولوية للمكتبة وعرض Gradio التجريبي. مرشح جيد لغلاف صغير متوافق مع OpenAI حول `generate_voice_clone`.
MisoTTS	بعيد أو مخصص فقط	استنساخ الصوت مدعوم، لكن نموذج 8B غير مناسب لـ6 GB من VRAM ولا توجد له نقطة نهاية REST محلية في المستودع.

Kokoro-FastAPI يشغّل نموذج Kokoro 82M كخادم محلي مع API متوافق مع OpenAI. يعمل على CPU (دون الحاجة إلى GPU) ويقدم جودة صوت ممتازة.

التثبيت باستخدام Docker

افتح طرفية (Command Prompt أو PowerShell أو Terminal) ونفّذ أحد الأوامر التالية:

CPU (يعمل على أي جهاز كمبيوتر):

docker run -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-cpu:v0.2.2

GPU (NVIDIA فقط — توليد أسرع):

docker run --gpus all -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-gpu:v0.2.0post4

التشغيل الأول: سينزّل Docker الصورة (نحو 1.5–2 GB). يحدث ذلك مرة واحدة فقط. بعد ذلك، يبدأ الخادم خلال ثوانٍ قليلة.

التحقق من أنه يعمل

افتح المتصفح وانتقل إلى http://localhost:8880/web/— يجب أن تظهر واجهة ويب يمكنك فيها اختبار الأصوات.

الأصوات المتاحة

يتوفر أكثر من 67 صوتًا. بعض الأمثلة البارزة:

af_bella, af_sarah, af_nicole, af_sky, af_heart (American female) am_adam, am_michael (American male) bf_emma, bf_isabella (British female) bm_george, bm_lewis (British male)

تصفح جميع الأصوات واختبرها في http://localhost:8880/web/ بعد تشغيل الخادم.

عنوان URL الخاص بـSSN

إذا كان Kokoro-FastAPI على الجهاز نفسه الذي يشغّل OBS:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8880/v1/audio/speech&voiceopenai=af_bella

إذا كان Kokoro-FastAPI على جهاز آخر، فاستبدل 192.168.x.x بعنوان LAN لذلك الجهاز:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://192.168.x.x:8880/v1/audio/speech&voiceopenai=af_bella

أسماء أصوات Kokoro تختلف عن أسماء أصوات OpenAI. في Kokoro-FastAPI، استخدم أصواتًا مثل af_bella, af_sarah, am_adam، أو bf_emma. أسماء مثل echo, nova، و alloy هي أسماء بأسلوب OpenAI/openedai-speech وقد لا تعمل مع Kokoro.

إبقاء الخادم قيد التشغيل

لإبقاء Kokoro-FastAPI يعمل تلقائيًا في الخلفية، استخدم خيار إعادة التشغيل في Docker:

docker run -d --restart unless-stopped -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-cpu:v0.2.2

سيبدأ الآن تلقائيًا مع Docker Desktop عند كل إعادة تشغيل.

openedai-speech يتيح نقطة النهاية المتوافقة مع OpenAI /v1/audio/speech التي يحتاجها Social Stream. تشغّل صورته الصغيرة Piper على CPU؛ ويمكن لصورته الكاملة تشغيل استنساخ الصوت بـXTTS-v2 على GPU مدعوم.

مشروع مؤرشف: أُرشف openedai-speech في يناير 2026 ويصف نفسه بأنه متقادم إلى حد كبير. يظل مثال توافق مفيدًا، لكنه لم يعد يخضع للصيانة. أبقه محليًا ولا تكشف منفذه الذي لا يتطلب مصادقة للإنترنت العام.

الخيار أ: Piper الخفيف

استخدم هذا الخيار لخادم تحويل نص إلى كلام على CPU فقط وبحجم أقل من 1 GB. لا يتضمن XTTS-v2 أو استنساخ الصوت.

التثبيت باستخدام Docker Compose

1

استنسخ المستودع أو أنشئ مجلدًا يحتوي على docker-compose.min.yml. أو نفّذ الأوامر أدناه مباشرة.

2

شغّل الصورة المصغرة الخاصة بـPiper فقط:

docker run -d --restart unless-stopped \ -p 8000:8000 \ ghcr.io/matatonic/openedai-speech-min

ملاحظة التثبيت من المصدر على Windows

إذا شغّلت openedai-speech من نسخة مصدر محلية بدلًا من Docker، فأضف مجلد البرامج النصية لبيئته الافتراضية إلى PATH قبل تشغيل الخادم. من دون ذلك، قد تعيد الطلبات HTTP 500 لأن الخادم لا يستطيع العثور على piper.exe أو ffmpeg.exe.

cd openedai-speech $env:Path = "$PWD\.venv\Scripts;$env:Path" .\.venv\Scripts\python.exe speech.py --xtts_device none -H 127.0.0.1 -P 8000

الأصوات المتاحة

يستخدم openedai-speech أسماء أصوات بأسلوب OpenAI مرتبطة بأصوات Piper:

alloy, echo, fable, onyx, nova, shimmer

عنوان URL الخاص بـSSN

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=openai&openaiendpoint=http://localhost:8000/v1/audio/speech&voiceopenai=nova

الخيار ب: استنساخ الصوت بـXTTS-v2

XTTS-v2 نفسه نموذج وليس واجهة ويب API. استخدم خادم openedai-speech الكامل لتحميل النموذج واختيار صوت مرجعي محفوظ واستقبال نص الدردشة من SSN وإعادة صوت قابل للتشغيل. يذكر الخادم أن نحو 4 GB من VRAM للـGPU هدف عملي؛ والاستدلال على CPU ممكن لكنه بطيء.

لا تستخدم openedai-speech-min لـXTTS-v2. الصورة المصغرة خاصة بـPiper فقط. يتطلب XTTS-v2 التثبيت الكامل و model=tts-1-hd في كل طلب كلام.

1

استنسخ الخادم المؤرشف وأنشئ ملف بيئته وشغّل إعداد Docker Compose الكامل مع دعم GPU:

git clone https://github.com/matatonic/openedai-speech.git cd openedai-speech Copy-Item sample.env speech.env docker compose up -d

على macOS أو Linux، استخدم cp sample.env speech.env بدلًا من Copy-Item. يجب أن يتمكن Docker من الوصول إلى GPU مدعوم. يُنزَّل النموذج عند أول استخدام.

2

جهّز مقطعًا مرجعيًا واضحًا وبموافقة صاحبه. ملف WAV أحادي القناة بمعدل 22050 Hz ومدته بين 6 و30 ثانية نقطة بداية جيدة:

ffmpeg -i input.mp3 -ac 1 -ar 22050 -t 6 -y voices/me.wav

3

أضف الصوت المستنسخ أسفل القسم الموجود tts-1-hd في config/voice_to_speaker.yaml:

tts-1-hd: me: model: xtts speaker: voices/me.wav language: en

احتفظ بأي أصوات موجودة بالفعل ضمن tts-1-hd. غيّر me إلى اسم الصوت الذي تريد أن يرسله SSN، واستخدم رمز لغة XTTS الصحيح عند الحاجة.

4

أعد تشغيل الخادم، ثم وجّه لوحة إرساء SSN أو تراكب الرسالة المميزة إليه:

docker compose restart

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8000/v1/audio/speech&openaimodel=tts-1-hd&voiceopenai=me&openaiformat=wav

openaimodel=tts-1-hd مطلوب لـXTTS-v2. إذا حُذف، يرسل Social Stream القيمة الافتراضية tts-1، ويختار openedai-speech محرك Piper بدلًا من ذلك. أما voiceopenai يجب أن تطابق اسم الصوت المستنسخ في voice_to_speaker.yaml.

إذا حظر المتصفح أو OBS الطلب المباشر، فشغّل جسر تحويل النص إلى كلام المحلي على جهاز OBS واحتفظ بمعاملات النموذج والصوت نفسها أثناء تغيير openaiendpoint إلى http://127.0.0.1:8124/v1/audio/speech.

الجسر أداة مساعدة محلية صغيرة. يستقبل طلب المتصفح من SSN، ويتواصل مع خادم تحويل النص إلى كلام، ثم يعيد الصوت إلى SSN مع ترويسات ملائمة للمتصفح.

أبسط قاعدة: شغّل الجسر على الجهاز نفسه الذي يشغّل OBS. عندها يستطيع OBS استخدام http://127.0.0.1:8124/v1/audio/speech، حتى إذا كان خادم تحويل النص إلى كلام الفعلي على جهاز آخر.

رسم يوضح استدعاء OBS للجسر المحلي واستدعاء الجسر لخادم تحويل النص إلى كلام — يتصل مصدر المتصفح في OBS بالجسر على جهاز OBS. ويمكن للجسر بعد ذلك استدعاء Kokoro-FastAPI أو openedai-speech أو خادم آخر.

مجلد البدء المستقل هو local-tts-bridge/؛ راجع ملف README للجسر لجميع خيارات التشغيل.

وكيل متوافق مع OpenAI

Windows PowerShell، عندما يكون خادم تحويل النص إلى كلام على الجهاز نفسه:

$env:SSN_TTS_TARGET="http://127.0.0.1:8880/v1/audio/speech" npm run local-tts-bridge

Windows PowerShell، عندما يكون خادم تحويل النص إلى كلام على جهاز آخر:

$env:SSN_TTS_TARGET="http://192.168.x.x:8880/v1/audio/speech" npm run local-tts-bridge

طرفية macOS/Linux:

SSN_TTS_TARGET="http://127.0.0.1:8880/v1/audio/speech" npm run local-tts-bridge

ثم وجّه رابط dock.html في OBS إلى الجسر:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8124/v1/audio/speech&voiceopenai=af_bella

وضع وكيل GPT-SoVITS

يستخدم GPT-SoVITS واجهته الخاصة /tts بتنسيق JSON، حتى يتمكن الجسر من تحويل طلب SSN المتوافق مع OpenAI إلى جسم طلب GPT-SoVITS.

$env:SSN_TTS_REF_AUDIO_PATH="C:\voices\speaker.wav" $env:SSN_TTS_REF_TEXT="Reference audio transcript here." $env:SSN_TTS_TARGET="http://127.0.0.1:9880/tts" npm run local-tts-bridge -- --mode gptsovits

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8124/v1/audio/speech&openaiformat=wav

وضع وكيل خادم F5-TTS

تتيح بعض أغلفة خادم F5-TTS /synthesize_speech/?text=...&voice=... بدلًا من نقطة نهاية متوافقة مع OpenAI. يستطيع الجسر تحويل طلب SSN إلى تنسيق الاستعلام ذلك.

$env:SSN_TTS_TARGET="http://127.0.0.1:7860/synthesize_speech/" npm run local-tts-bridge -- --mode f5

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8124/v1/audio/speech&voiceopenai=default_en&openaiformat=wav

نقطة نهاية الجسر: http://127.0.0.1:8124/v1/audio/speech. غيّر المنفذ باستخدام SSN_TTS_BRIDGE_PORT=8125 عند الحاجة.

تستخدم جميع الخوادم المستضافة ذاتيًا أعلاه طريقة الاتصال نفسها — نقطة نهاية OpenAI TTS مع عنوان URL محلي مخصص.

معاملات URL

المعامل	القيمة	الوصف
`ttsprovider`	`customtts` أو `openai`	استخدم مسار تحويل النص إلى كلام المتوافق مع OpenAI. استخدم `customtts` لنقاط النهاية المحلية أو المستضافة ذاتيًا.
`openaiendpoint`	`http://localhost:8880/v1/audio/speech`	عنوان URL لخادمك المحلي (غيّر المنفذ حسب الحاجة)
`speech`	`en-US`	يفعّل تحويل النص إلى كلام باللغة الإنجليزية
`voiceopenai`	`af_bella`	اسم الصوت (يعتمد على الخادم)
`openaiformat`	`mp3`	تنسيق الصوت: mp3 وwav وopus وflac
`openaispeed`	`1.0`	سرعة الكلام (0.5–2.0)

الأسماء البديلة لنقطة النهاية: customttsendpoint و localttsendpoint تعمل أيضًا. customttsvoice, localttsvoice, customttsmodel, localttsmodel, customttsformat، و localttsformat هي أسماء بديلة مقبولة لحقول نمط OpenAI.

تحقق من نقطة النهاية والصوت قبل تشخيص الصوت. openaiendpoint يجب أن يكون متاحًا من الصفحة التي تشغّل تحويل النص إلى كلام، و voiceopenai يجب أن يكون صوتًا يدعمه خادمك. يستخدم Kokoro-FastAPI أسماء مثل af_bella؛ يستخدم openedai-speech غالبًا أسماء مثل nova أو echo.

أمثلة كاملة لعناوين URL

Kokoro-FastAPI:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://localhost:8880/v1/audio/speech&voiceopenai=af_bella&openaispeed=1.1

openedai-speech:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://localhost:8000/v1/audio/speech&voiceopenai=nova

kokoro-web:

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://localhost:3000/api/v1/audio/speech&voiceopenai=af_bella

خيارات إضافية لتحويل النص إلى كلام

تعمل هذه مع أي مزود لتحويل النص إلى كلام، بما فيه الخوادم المحلية:

المعامل	مثال	الوصف
`simpletts`	`&simpletts`	تجاوز «يقول» — قراءة الرسالة فقط
`simpletts2`	`&simpletts2`	تجاوز أسماء المستخدمين بالكامل
`volume`	`&volume=0.8`	مستوى الصوت (0.0–1.0)
`skipmessages`	`&skipmessages=3`	قراءة كل رسالة ثالثة فقط
`ttscommand`	`&ttscommand=!say`	قراءة الرسائل التي تبدأ بـ!say فقط
`readevents`	`&readevents`	قراءة الاشتراكات والتبرعات وغيرها أيضًا
`ttsquick`	`&ttsquick=100`	يقصّر الكلام عمدًا بعد هذا العدد من الأحرف. أزله إذا كانت الرسائل تُقطَع.

لا يلزم مفتاح API. عند استخدام خادم محلي (عنوان URL لا يتبع openai.com)، يرسل Social Stream Ninja الطلب دون ترويسة Authorization. لا تحتاج إلى تهيئة مفتاح.

خيارات مدمجة في المتصفح تستحق الدعم

يدعم SSN بالفعل speechSynthesis، وKokoro وPiper وKitten وeSpeak المدمجة. من أكثر الإضافات المستقبلية فائدة داخل المتصفح أداة اختيار جهاز إخراج الصوت حيث تكون setSinkId متاحة، ومزيدًا من خيارات أصوات Piper، ومسارًا مخصصًا للتشغيل التدريجي المتدفق للخوادم القادرة على إرسال مقاطع صوتية متدفقة.

تعتمد طريقة التقاط صوت تحويل النص إلى كلام في OBS على طريقة تشغيلك لـSocial Stream Ninja.

الطريقة 1 — مصدر متصفح OBS موصى به

هذه أبسط طريقة وتعمل مع جميع مزودي تحويل النص إلى كلام (مدمج وخادم مستضاف ذاتيًا).

1

في OBS، أضف مصدرًا جديدًا من نوع مصدر المتصفح

2

اضبط عنوان URL على رابط dock.html مع معاملات تحويل النص إلى كلام

3

تحقق من «التحكم في الصوت عبر OBS» (Control audio via OBS) في إعدادات مصدر المتصفح

4

انقر على موافق— سيظهر صوت تحويل النص إلى كلام الآن كمصدر صوت في OBS يمكنك ضبطه أو توجيهه

5

انقر مرة واحدة على مصدر المتصفح في المعاينة للسماح بتشغيل صوت المتصفح تلقائيًا

لماذا يعمل هذا: يشغّل كل من تحويل النص إلى كلام المدمج وذلك المستضاف على خادم ذاتي الصوت عبر سياق الصوت في المتصفح (وليس توليد الكلام في نظام التشغيل). يمكن لـOBS التقاط صوت المتصفح مباشرة عند تحديد «Control audio via OBS».

الطريقة 2 — تطبيق سطح المكتب SSN + صوت سطح المكتب

إذا كنت تستخدم تطبيق سطح المكتب المستقل Social Stream Ninja (وليس مصدر متصفح في OBS):

1

يُشغَّل صوت تحويل النص إلى كلام من التطبيق عبر مكبرات صوت النظام أو سماعات الرأس

2

في OBS، أضف التقاط إدخال الصوت (Audio Input Capture) أو التقاط صوت سطح المكتب (Desktop Audio Capture) مصدر

3

إذا أردت عزل تحويل النص إلى كلام عن أصوات سطح المكتب الأخرى، فاستخدم كابل صوت افتراضيًا:

Windows: VB-Audio Virtual Cable (مجاني)
اضبط CABLE Input كمخرج لتطبيق SSN في إعدادات الصوت في Windows
التقاط CABLE Output في OBS باستخدام Audio Input Capture

روابط توجيه الصوت في Windows

VB-Audio Virtual Cable Voicemeeter Audio Router (قديم)

توجيه كل تطبيق على حدة في Windows 10

1

افتح إعدادات الصوت > مستوى صوت التطبيق وتفضيلات الجهاز (Sound Settings > App volume and device preferences).

2

ابحث عن المتصفح أو تطبيق SSN في قائمة التطبيقات.

3

اضبط الإخراج (Output) على CABLE Input (VB-Audio Virtual Cable).

4

في OBS، أضف التقاط إدخال الصوت (Audio Input Capture) واختر CABLE Output.

توجيه كل تطبيق على حدة في Windows 11

1

افتح الإعدادات > النظام > الصوت > مازج مستوى الصوت (Settings > System > Sound > Volume Mixer).

2

ابحث عن المتصفح أو تطبيق SSN.

3

اضبط جهاز الإخراج (Output device) على CABLE Input (VB-Audio Virtual Cable).

4

في OBS، أضف التقاط إدخال الصوت (Audio Input Capture) واختر CABLE Output.

برنامج Audio Router

Audio Router يمكنه توجيه تطبيق واحد إلى كابل افتراضي، لكنه برنامج قديم. فضّل التوجيه لكل تطبيق في Windows عندما يعمل.

1

ثبّت Audio Router.

2

وجّه المتصفح أو تطبيق SSN إلى CABLE Input.

3

في OBS، التقط CABLE Output.

توجيه Voicemeeter المتقدم

Voicemeeter هو الأنسب عندما تحتاج إلى سماع تحويل النص إلى كلام محليًا وتوجيهه إلى OBS وإبقائه منفصلًا عن الموسيقى وصوت اللعبة.

1

ثبّت Voicemeeter واجعله مخرج Windows الافتراضي.

2

اضبط Hardware Out على مكبرات الصوت أو سماعات الرأس.

3

وجّه المخرج الافتراضي إلى OBS كمصدر Audio Input Capture.

تحويل النص إلى كلام في النظام (?speech=en-US دون مزود) يعتمد على الأصوات التي يتيحها المتصفح. قد لا يتيح OBS أي أصوات، أو قد يسرد أصواتًا دون إنتاج صوت يمكن التقاطه. اختبر الكلام وتسجيل OBS بصورة منفصلة. استخدم أحد المزودين أعلاه (kokoro, piper، وغيرها) بدلًا من ذلك.

الخيار	الإعداد	الجودة	خاص	OBS (مصدر متصفح)	GPU مطلوب	التكلفة
Kokoro المدمج	لا شيء	⭐⭐⭐⭐⭐	نعم	نعم	لا (أسرع مع GPU)	مجاني
Piper المدمج	لا شيء	⭐⭐⭐⭐	نعم	نعم	لا	مجاني
Kitten المدمج	لا شيء	⭐⭐⭐	نعم	نعم	لا	مجاني
eSpeak المدمج	لا شيء	⭐⭐	نعم	نعم	لا	مجاني
Kokoro-FastAPI	Docker	⭐⭐⭐⭐⭐	نعم	نعم	لا (اختياري)	مجاني
openedai-speech	Docker	⭐⭐⭐⭐	نعم	نعم	لا	مجاني
ElevenLabs	مفتاح API	⭐⭐⭐⭐⭐	لا	نعم	لا	خطط مدفوعة
تحويل النص إلى كلام في النظام	لا شيء	⭐⭐	نعم	لا*	لا	مجاني

* يتطلب تحويل النص إلى كلام في النظام توجيهًا عبر كابل صوت افتراضي ليتمكن OBS من التقاطه.

قائمة تحقق بأسلوب لقطة شاشة لحل مشكلات تحويل النص إلى كلام المحلي — عندما يعمل تحويل النص إلى كلام في مكان ولا يعمل في آخر، تحقق بالترتيب من الجهاز ونقطة النهاية والصوت وإذن المتصفح والتقاط الصوت في OBS.

ينجح اختبار تطبيق SSN، لكن OBS بلا صوت

يثبت اختبار التطبيق فقط أن التطبيق يستطيع الوصول إلى الخادم. ويظل على مصدر المتصفح في OBS الوصول إلى نقطة النهاية وتشغيل الصوت.

إذا كان OBS وخادم تحويل النص إلى كلام على جهازين مختلفين، فاستبدل 127.0.0.1 بعنوان LAN لجهاز خادم تحويل النص إلى كلام.
تأكد من أن مصدر المتصفح في OBS لديه التحكم بالصوت عبر OBS (Control audio via OBS) محددًا.
جرّب جسر SSN المحلي لتحويل النص إلى كلام على جهاز OBS إذا حظر المتصفح الطلب.

لا تُقرأ إلا الحروف الأولى أو الكلمات الأولى القليلة

تحقق من عنوان URL الفعلي في OBS بحثًا عن ttsquick. يقصّر هذا الخيار النص المنطوق عمدًا.
إذا رأيت &ttsquick=14 أو رقمًا صغيرًا آخر، فأزله وحدّث مصدر المتصفح في OBS.
إذا استخدمت typewriter=، فأزله مؤقتًا أثناء الاختبار. يستخدم تحويل النص إلى كلام عادةً الرسالة الأصلية، لكن إزالة المؤثرات المرئية وسيلة سريعة لاستبعاد مشكلات التوقيت.

الخادم المحلي لا يستجيب

تأكد من أن Docker يعمل وأن الحاوية ما زالت قيد التشغيل.
على جهاز خادم تحويل النص إلى كلام، افتح http://127.0.0.1:8880/web/ لـKokoro-FastAPI، أو المنفذ المناسب لخادمك.
من جهاز OBS، افتح http://SERVER_LAN_IP:8880/web/. إذا لم يُحمَّل ذلك، فلن يتمكن OBS من استخدام الخادم أيضًا.
تحقق من جدار الحماية على جهاز الخادم إذا لم يُحمَّل عنوان LAN.

حظر CORS أو الشبكة المحلية

إذا قال المتصفح إن الطلب حُظر بسبب CORS أو الوصول إلى الشبكة المحلية أو الخاصة أو فشل fetch، فقد لا يصل الطلب إلى خادم تحويل النص إلى كلام أصلًا.

شغّل npm run local-tts-bridge على جهاز OBS ووجّه SSN إلى http://127.0.0.1:8124/v1/audio/speech.
إذا كنت تستخدم صفحة لوحة الإرساء المستضافة لإصدار beta، فمن الأرجح أن يحظر المتصفح نقاط نهاية HTTP المحلية. يكون الجسر أو نافذة التطبيق المحلية أسهل عادةً.

صوت خاطئ أو صوت غير موجود

Kokoro-FastAPI: جرّب af_bella, af_sarah, am_adam، أو صوت آخر من واجهة الويب الخاصة بـKokoro.
openedai-speech: أصوات مثل nova, echo، و alloy قد تكون صالحة.
أسماء الأصوات حساسة لحالة الأحرف في بعض الخوادم.

يعمل الصوت لكن OBS لا يلتقطه

تأكد من أن خيار التحكم بالصوت عبر OBS (Control audio via OBS) محدد في خصائص مصدر المتصفح.
راقب مازج الصوت في OBS أثناء تشغيل رسالة اختبار. يجب أن يتحرك مقياس مصدر المتصفح.
تأكد من أنك لا تستخدم تحويل النص إلى كلام في النظام فقط (?speech=en-US دون &ttsprovider=). قد يحتاج تحويل النص إلى كلام في النظام إلى التقاط صوت سطح المكتب أو كابل صوت افتراضي.

لم يُعثر على صورة Docker

قد تتغير وسوم صور Docker. إذا توقف أمر في هذا الدليل عن العمل، فتحقق من صفحة المشروع لمعرفة الوسم الحالي:

Kokoro-FastAPI: github.com/remsky/Kokoro-FastAPI
openedai-speech: github.com/matatonic/openedai-speech

نظرة عامة

المسار 1 — تحويل النص إلى كلام المدمج دون إعداد

المسار 2 — خادم مستضاف ذاتيًا Docker مطلوب

إعداد سريع

قاعدة localhost / 127.0.0.1

أين تنقر في SSN

تدفق الاستضافة الذاتية

بنية الطلب

CORS والصفحات المستضافة والجسر

استجابات الصوت المدعومة

الصوت المتدفق

المسار 1 — تحويل النص إلى كلام المدمج (دون إعداد)

كيفية التفعيل

خيارات Kokoro TTS

خيارات Piper TTS

خيارات Kitten TTS

خيارات eSpeak-NG

ملاحظات المتصفح وتطبيق سطح المكتب

المسار 2 — خادم تحويل النص إلى كلام مستضاف ذاتيًا

أي حزمة تناسبك؟

كيف يعمل استنساخ الصوت

التدفق المعتاد

متطلبات الكمبيوتر

ملاحظات الخوادم المختبرة

إعداد Kokoro-FastAPI

التثبيت باستخدام Docker

CPU (يعمل على أي جهاز كمبيوتر):

GPU (NVIDIA فقط — توليد أسرع):

التحقق من أنه يعمل

الأصوات المتاحة

عنوان URL الخاص بـSSN

إبقاء الخادم قيد التشغيل

إعداد openedai-speech ‏(Piper وXTTS-v2)

الخيار أ: Piper الخفيف

التثبيت باستخدام Docker Compose

ملاحظة التثبيت من المصدر على Windows

الأصوات المتاحة

عنوان URL الخاص بـSSN

الخيار ب: استنساخ الصوت بـXTTS-v2

جسر تحويل النص إلى كلام المحلي

وكيل متوافق مع OpenAI

وضع وكيل GPT-SoVITS

وضع وكيل خادم F5-TTS

الاتصال بـSocial Stream Ninja

معاملات URL

أمثلة كاملة لعناوين URL

Kokoro-FastAPI:

openedai-speech:

kokoro-web:

خيارات إضافية لتحويل النص إلى كلام

خيارات مدمجة في المتصفح تستحق الدعم

إيصال الصوت إلى OBS

الطريقة 1 — مصدر متصفح OBS موصى به

الطريقة 2 — تطبيق سطح المكتب SSN + صوت سطح المكتب

روابط توجيه الصوت في Windows

توجيه كل تطبيق على حدة في Windows 10

توجيه كل تطبيق على حدة في Windows 11

برنامج Audio Router

توجيه Voicemeeter المتقدم

جدول المقارنة

استكشاف المشكلات وإصلاحها

ينجح اختبار تطبيق SSN، لكن OBS بلا صوت

لا تُقرأ إلا الحروف الأولى أو الكلمات الأولى القليلة

الخادم المحلي لا يستجيب

حظر CORS أو الشبكة المحلية

صوت خاطئ أو صوت غير موجود

يعمل الصوت لكن OBS لا يلتقطه

لم يُعثر على صورة Docker