本機 AI TTS 指南

我需要這個嗎？

「本機」有兩種含義：在瀏覽器中執行的 SSN 內建音色，或你自己執行的語音伺服器。

內建音色（不需要安裝）

它們直接在瀏覽器的 SSN 中執行，不需要伺服器、Docker 或 API 金鑰。

四步設定

1. 新增 &speech=en-US&ttsprovider=kokoro 到您的 dock.html 連結。（或 piper, kitten, espeak.)
2. 將該連結作為以下來源加入 OBS： 瀏覽器來源。聲音由該頁面產生。
3. 在內容中開啟 透過 OBS 控制音訊.
4. 傳送簡短測試聊天，例如 Testing local TTS.

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

音色、速度和其他語言： 供應商設定。更喜歡點選操作？使用 設定指南.

連線自己的 TTS 伺服器

伺服器可提供更多音色、音色複製，或讓多個工具共用一種聲音。SSN 按以下介面與其通訊： 相容OpenAI 語音伺服器，不需要 API 金鑰。

1. 啟動伺服器。 Kokoro-FastAPI 最簡單。
2. 在 SSN 開啟 TTS 供應商清單並選擇 自訂／本機文字轉語音端點.
3. 在 自訂 / 本機 API 端點，輸入伺服器位址，例如 http://127.0.0.1:8880/v1/audio/speech.
4. API 金鑰留空。
5. 選擇伺服器認識的音色： af_bella 用於 Kokoro， nova 用於 openedai-speech。
6. 將連結複製到 OBS 並傳送測試聊天。

這些需要 Docker Desktop 已安裝並執行，個人使用免費。

localhost 規則

這是最常見的錯誤。

還要確認防火牆允許該連接埠，且 Docker 已公開連接埠（-p 8880:8880).

Kokoro-FastAPI

Kokoro-FastAPI 將 Kokoro 作為本機伺服器執行。支援 CPU，不需要 GPU。

1. 開啟終端機（命令提示字元、PowerShell 或 Terminal），執行以下一種：

   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

   首次執行下載約 1.5–2 GB，只需一次。
2. 開啟 http://localhost:8880/web/。應出現可試聽音色的頁面（超過 67 種）。
3. 使用此連結（伺服器在另一台電腦時修改位址）：

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

隨 Docker 自動啟動：

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：輕量 Piper 伺服器（CPU）

不到 1 GB，不支援音色複製。

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 音色複製（GPU）

需要完整伺服器，而不是 openedai-speech-min。預計需要約 4 GB 顯示記憶體，CPU 也能執行但較慢。

本機 TTS 橋接

SSN 的小型輔助程式：接收 SSN 請求，轉交語音伺服器，再以瀏覽器可接受的方式傳回音訊。需要 Node.js。

1. 告訴橋接伺服器的位置。PowerShell：

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

   伺服器在另一台電腦？使用其本機 IP，例如 http://192.168.x.x:8880/v1/audio/speech.
2. 在 SSN 資料夾中執行 node scripts/local-tts-bridge.cjs。保持執行。
3. 讓 SSN 指向橋接：

   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 資料夾中， node server.cjs 效果相同。用以下參數更改連接埠： SSN_TTS_BRIDGE_PORT=8125。所有選項： 橋接服務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

聲音複製

複製不是 SSN 設定，而是部分語音伺服器的功能。SSN 傳送聊天文字，伺服器選擇複製音色。

1. 錄製一位說話者的乾淨音訊，通常 3–30 秒，盡量減少背景雜音。
2. 部分伺服器也需要音訊中說出的準確文字。
3. 伺服器將音訊轉換成音色設定檔。
4. SSN 透過以下方式傳送聊天文字： ttsprovider=customtts.
5. 伺服器傳回音訊（通常 WAV 或 MP3），SSN 負責播放。

顯示記憶體不超過 6 GB 時，先從相容 OpenAI 伺服器上的小模型開始。大模型也可用，但可託管到別處。

內建 Kokoro 和 Kokoro-FastAPI 不支援音色複製。

需要什麼電腦？

這是粗略起點，不是保證。模型大小、文字長度和其他應用程式都會影響記憶體用量。

將音訊送入 OBS

OBS 瀏覽器來源（建議）

適用於內建音色和自己的伺服器。

1. 新增一個 瀏覽器來源 ，使用你的 dock.html TTS 連結。
2. 開啟 透過 OBS 控制音訊.
3. 點選 確定。TTS 現在會出現在 OBS 混音器中。

SSN 桌面應用程式

桌面應用程式使用相同連結設定，但聲音從應用程式而非 OBS 播放。使用以下方式擷取： 桌面音訊 或 音訊輸入擷取（Audio Input Capture）。要將 TTS 與其他聲音分開，請將應用程式輸出到虛擬音訊線： 音訊路由步驟.

並排比較

解決問題

面向伺服器開發者

SSN 與自訂伺服器的通訊方式。僅在建置或偵錯伺服器時需要閱讀。

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