Yerel yapay zekâ TTS kılavuzu

Buna ihtiyacım var mı?

“Yerel” iki şeyden biridir: SSN içinde tarayıcıda çalışan yerleşik ses veya kendiniz çalıştırdığınız ses sunucusu.

Yerleşik sesler (kurulum gerekmez)

Bunlar tarayıcınızda SSN içinde çalışır. Sunucu, Docker veya API anahtarı gerekmez.

4 adımda kurulum

1. Ekleyin: &speech=en-US&ttsprovider=kokoro şuraya: dock.html bağlantısı. (Veya piper, kitten, espeak.)
2. Bu bağlantıyı OBS'ye şu kaynak olarak ekleyin: Tarayıcı Kaynağı. Sesi üreten sayfa budur.
3. Özelliklerinde şunu açın: Sesi OBS üzerinden denetle.
4. Kısa bir test mesajı gönderin; örneğin Testing local TTS.

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

Sesler, hız ve diğer diller: sağlayıcı ayarları. Tıklamayı mı tercih ediyorsunuz? Şunu kullanın: kurulum kılavuzu.

Kendi TTS sunucunuzu bağlayın

Sunucu daha fazla ses, ses klonlama veya farklı araçlarda kullanacağınız ortak bir ses sağlar. SSN sunucuyla şu tür bir hizmet gibi konuşur: OpenAI uyumlu konuşma sunucusu. API anahtarı gerekmez.

1. Sunucunuzu başlatın. Kokoro-FastAPI en kolay seçenektir.
2. SSN'de TTS sağlayıcı listesini açıp şunu seçin: Özel / Yerel TTS Uç Noktası.
3. Şurada: Custom / Local API Endpoint, sunucunuzun adresini girin; örneğin http://127.0.0.1:8880/v1/audio/speech.
4. API anahtarını boş bırakın.
5. Sunucunuzun tanıdığı bir sesi seçin: af_bella Kokoro için, nova openedai-speech için.
6. Bağlantıyı OBS'ye kopyalayın ve test mesajı gönderin.

Bunlar şunu gerektirir: Docker Desktop kurulu ve çalışıyor olmalıdır. Kişisel kullanım ücretsizdir.

localhost kuralı

En yaygın hata budur.

Güvenlik duvarının porta izin verdiğini ve Docker'ın portu yayımladığını da kontrol edin (-p 8880:8880).

Kokoro-FastAPI

Kokoro-FastAPI Kokoro'yu yerel sunucu olarak çalıştırır. CPU ile çalışır, GPU gerekmez.

1. Bir terminal (Komut İstemi, PowerShell veya Terminal) açıp şu komutlardan birini çalıştırın:

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

   NVIDIA GPU (daha hızlı):

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

   İlk çalıştırma bir kere yaklaşık 1,5–2 GB indirir.
2. Açın: http://localhost:8880/web/. Sesleri denemek için bir sayfa görmelisiniz; 67'den fazla ses vardır.
3. Bu bağlantıyı kullanın; sunucu başka bilgisayardaysa adresi değiştirin:

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

Docker ile otomatik başlatın:

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

openedai-speech (Piper ve XTTS-v2)

Seçenek A: Hafif Piper sunucusu (CPU)

1 GB'ın altında. Ses klonlama yok.

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

Sesler: alloy, echo, fable, onyx, nova, shimmer.

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

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

Seçenek B: XTTS-v2 ses klonlama (GPU)

Tam sunucuyu gerektirir; şu yeterli değildir: openedai-speech-min. Yaklaşık 4 GB GPU belleği planlayın. CPU çalışır ama yavaştır.

Yerel TTS köprüsü

SSN'nin küçük bir yardımcı aracıdır. SSN isteğini alır, ses sunucunuza iletir ve sesi tarayıcıların kabul ettiği biçimde geri verir. Node.js gerektirir.

1. Köprüye sunucunun yerini bildirin. PowerShell:

   $env:SSN_TTS_TARGET="http://127.0.0.1:8880/v1/audio/speech"

   Sunucu başka bilgisayarda mı? Yerel IP'sini kullanın; örneğin http://192.168.x.x:8880/v1/audio/speech.
2. SSN klasöründe şunu çalıştırın: node scripts/local-tts-bridge.cjs. Çalışır durumda bırakın.
3. SSN'yi köprüye yönlendirin:

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

macOS/Linux, tek satırda: SSN_TTS_TARGET="http://127.0.0.1:8880/v1/audio/speech" node scripts/local-tts-bridge.cjs. Şunun içinde: local-tts-bridge klasöründe, node server.cjs aynı işi yapar. Portu şununla değiştirin: SSN_TTS_BRIDGE_PORT=8125. Tüm seçenekler: köprü README dosyası.

$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"
node scripts/local-tts-bridge.cjs --mode gptsovits

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

$env:SSN_TTS_TARGET="http://127.0.0.1:7860/synthesize_speech/"
node scripts/local-tts-bridge.cjs --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

Ses klonlama

Klonlama bir SSN ayarı değil, bazı ses sunucularının özelliğidir. SSN sohbet metnini gönderir; klonlanmış sesi sunucu seçer.

1. Az arka plan gürültüsüyle tek konuşmacının temiz kaydını alın; genellikle 3–30 saniye.
2. Bazı sunucular klipte konuşulan kelimelerin birebir metnini de ister.
3. Sunucu klibi bir ses profiline dönüştürür.
4. SSN sohbet metnini şununla gönderir: ttsprovider=customtts.
5. Sunucu sesi döndürür; genellikle WAV veya MP3. SSN bunu oynatır.

GPU belleği 6 GB veya daha azsa OpenAI uyumlu sunucularda küçük modellerle başlayın. Büyük modeller başka yerde barındırılıyorsa onlar da çalışır.

Yerleşik Kokoro ve Kokoro-FastAPI ses klonlamaz.

Nasıl bir bilgisayar gerekir?

Bunlar yaklaşık başlangıç değerleridir, garanti değildir. Model boyutu, metin uzunluğu ve diğer uygulamalar bellek kullanımını değiştirir.

Sesi OBS'ye aktarın

OBS Tarayıcı Kaynağı (önerilir)

Yerleşik seslerle ve kendi sunucunuzla çalışır.

1. Şunu ekleyin: Tarayıcı Kaynağı kendi dock.html TTS bağlantısı.
2. Açın: Sesi OBS üzerinden denetle.
3. Tıklayın: Tamam. TTS artık OBS mikserinde görünür.

SSN masaüstü uygulaması

Masaüstü uygulaması aynı bağlantı ayarlarını kullanır. Ancak ses OBS'den değil uygulamadan çıkar. Şununla yakalayın: Masaüstü sesi veya Ses Girişi Yakalama (Audio Input Capture). TTS'yi diğer seslerden ayırmak için uygulamayı sanal kabloya yönlendirin: yönlendirme adımları.

Yan yana karşılaştırma

Sorunları giderme

Sunucu geliştirenler için

SSN'nin özel sunucuyla nasıl konuştuğu. Yalnızca sunucu geliştiriyor veya hata ayıklıyorsanız gerekir.

chat text -> SSN -> your endpoint (or the bridge) -> TTS server -> audio -> SSN plays it

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

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