本地 AI TTS 指南

我需要这个吗？

“本地”有两种含义：在浏览器中运行的 SSN 内置音色，或你自己运行的语音服务器。

内置音色（无需安装）

它们直接在浏览器的 SSN 中运行，无需服务器、Docker 或 API 密钥。

四步设置

1. 添加 &speech=en-US&ttsprovider=kokoro 到您的 dock.html 链接。（或 piper, kitten, espeak.)
2. 将该链接作为以下来源加入 OBS： 浏览器来源。声音由该页面产生。
3. 在属性中开启 通过 OBS 控制音频.
4. 发送简短测试聊天，例如 Testing local TTS.

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

音色、速度和其他语言： 提供商设置。更喜欢点击操作？使用 设置指南.

连接自己的 TTS 服务器

服务器可提供更多音色、音色克隆，或让多个工具共用一种声音。SSN 按以下接口与其通信： 兼容OpenAI 语音服务器，无需 API 密钥。

1. 启动服务器。 Kokoro-FastAPI 最简单。
2. 在 SSN 打开 TTS 提供商列表并选择 自定义／本地文字转语音端点.
3. 在 自定义 / 本地 API 端点，输入服务器地址，例如 http://127.0.0.1:8880/v1/audio/speech.
4. API 密钥留空。
5. 选择服务器认识的音色： af_bella 用于 Kokoro， nova 用于 openedai-speech。
6. 将链接复制到 OBS 并发送测试聊天。

这些需要 Docker Desktop 已安装并运行，个人使用免费。

localhost 规则

这是最常见的错误。

还要确认防火墙允许该端口，且 Docker 已公开端口（-p 8880:8880).

Kokoro-FastAPI

Kokoro-FastAPI 将 Kokoro 作为本地服务器运行。支持 CPU，无需 GPU。

1. 打开终端（命令提示符、PowerShell 或 Terminal），运行以下一种：

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

   NVIDIA GPU（更快）：

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

   首次运行下载约 1.5–2 GB，只需一次。
2. 打开 http://localhost:8880/web/。应出现可试听音色的页面（超过 67 种）。
3. 使用此链接（服务器在另一台电脑时修改地址）：

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

随 Docker 自动启动：

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

openedai-speech（Piper 和 XTTS-v2）

方案 A：轻量 Piper 服务器（CPU）

不到 1 GB，不支持音色克隆。

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

音色： 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

方案 B：XTTS-v2 音色克隆（GPU）

需要完整服务器，而不是 openedai-speech-min。预计需要约 4 GB 显存，CPU 也能运行但较慢。

本地 TTS 桥接

SSN 的小型辅助程序：接收 SSN 请求，转交语音服务器，再以浏览器可接受的方式返回音频。需要 Node.js。

1. 告诉桥接服务器的位置。PowerShell：

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

   服务器在另一台电脑？使用其本地 IP，例如 http://192.168.x.x:8880/v1/audio/speech.
2. 在 SSN 文件夹中运行 node scripts/local-tts-bridge.cjs。保持运行。
3. 让 SSN 指向桥接：

   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，一行命令： SSN_TTS_TARGET="http://127.0.0.1:8880/v1/audio/speech" node scripts/local-tts-bridge.cjs。在 local-tts-bridge 文件夹中， node server.cjs 效果相同。用以下参数更改端口： SSN_TTS_BRIDGE_PORT=8125。所有选项： 桥接服务README.

$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

声音克隆

克隆不是 SSN 设置，而是部分语音服务器的功能。SSN 发送聊天文字，服务器选择克隆音色。

1. 录制一位说话者的干净音频，通常 3–30 秒，尽量减少背景噪声。
2. 部分服务器也需要音频中说出的准确文字。
3. 服务器将音频转换成音色配置。
4. SSN 通过以下方式发送聊天文字： ttsprovider=customtts.
5. 服务器返回音频（通常 WAV 或 MP3），SSN 负责播放。

显存不超过 6 GB 时，先从兼容 OpenAI 服务器上的小模型开始。大模型也可用，但可托管到别处。

内置 Kokoro 和 Kokoro-FastAPI 不支持音色克隆。

需要什么电脑？

这是粗略起点，不是保证。模型大小、文本长度和其他应用都会影响内存用量。

将音频送入 OBS

OBS 浏览器源（推荐）

适用于内置音色和自己的服务器。

1. 添加一个 浏览器来源 ，使用你的 dock.html TTS 链接。
2. 开启 通过 OBS 控制音频.
3. 点击 确定。TTS 现在会出现在 OBS 混音器中。

SSN 桌面应用

桌面应用使用相同链接设置，但声音从应用而非 OBS 播放。使用以下方式采集： 桌面音频 或 音频输入捕获（Audio Input Capture）。要将 TTS 与其他声音分开，请将应用输出到虚拟音频线： 音频路由步骤.

并排比较

解决问题

面向服务器开发者

SSN 与自定义服务器的通信方式。仅在构建或调试服务器时需要阅读。

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