🎙️ VoxCPM Docker - 高质量中文语音合成

English | 简体中文 | 繁體中文 | 日本語

生产级 VoxCPM TTS 服务，支持 GPU 加速、OpenAI 兼容 API、自定义音色、流式输出

📚 文档导航

✨ 核心特性

• 🚀 OpenAI 兼容 API - 直接替换 OpenAI TTS，无需改代码
• 🎨 自定义音色 - 上传音频创建专属音色，支持声音克隆
• ⚡ 流式输出 - PCM 流式播放，首字节延迟 < 0.1s
• 🎯 高质量合成 - 44.1kHz 16-bit，支持中英文
• 🐳 一键部署 - Docker 镜像包含所有依赖
• 🔌 多格式支持 - WAV, MP3, PCM, OPUS, AAC, FLAC

🎯 30 秒快速体验

# 直接播放语音（无需安装）
curl -s https://voxcpm-tts.aws.xin/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "你好，欢迎使用语音合成", "voice": "alloy", "response_format": "wav"}' \
  | ffplay -autoexit -nodisp -

# 保存为文件
curl -s https://voxcpm-tts.aws.xin/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "你好世界", "voice": "alloy", "response_format": "wav"}' \
  -o hello.wav

🐳 Docker 部署

方式一：Docker Run

docker pull neosun/voxcpm-allinone:latest

docker run -d \
  --name voxcpm \
  --gpus all \
  -p 7861:7861 \
  -v ./voices:/app/voices \
  -v ./outputs:/app/outputs \
  --restart unless-stopped \
  neosun/voxcpm-allinone:latest

方式二：Docker Compose

version: '3.8'
services:
  voxcpm:
    image: neosun/voxcpm-allinone:latest
    container_name: voxcpm
    runtime: nvidia
    environment:
      - NVIDIA_VISIBLE_DEVICES=all
    ports:
      - "7861:7861"
    volumes:
      - ./voices:/app/voices
      - ./outputs:/app/outputs
    restart: unless-stopped

docker-compose up -d

📡 API 使用

语音合成

# WAV 格式
curl -s http://localhost:7861/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "让子弹飞一会儿", "voice": "alloy", "response_format": "wav"}' \
  -o speech.wav

# MP3 格式
curl -s http://localhost:7861/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "让子弹飞一会儿", "voice": "alloy", "response_format": "mp3"}' \
  -o speech.mp3

# PCM 流式（最低延迟）
curl -s http://localhost:7861/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "让子弹飞一会儿", "voice": "alloy", "response_format": "pcm"}' \
  | ffplay -f s16le -ar 44100 -ac 1 -autoexit -nodisp -

请求参数

预设音色

alloy, echo, fable, onyx, nova, shimmer, ash, ballad, coral, sage, verse

🎨 自定义音色

1. 上传音频创建音色

curl -X POST http://localhost:7861/v1/voices/create \
  -F "audio=@your_voice.wav" \
  -F "name=我的音色" \
  -F "text=音频对应的文本内容"

响应：

{
  "success": true,
  "voice_id": "20cfdc63ddf8",
  "name": "我的音色",
  "message": "音色创建成功，使用 voice='20cfdc63ddf8' 调用 /v1/audio/speech"
}

2. 使用自定义音色

curl -s http://localhost:7861/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "让子弹飞一会儿", "voice": "20cfdc63ddf8", "response_format": "wav"}' \
  -o output.wav

3. 管理音色

# 列出所有自定义音色
curl -s http://localhost:7861/v1/voices/custom | jq .

# 获取音色详情
curl -s http://localhost:7861/v1/voices/20cfdc63ddf8 | jq .

# 删除音色
curl -X DELETE http://localhost:7861/v1/voices/20cfdc63ddf8

🌊 流式播放

命令行

# WAV 流式播放
curl -s http://localhost:7861/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "你好世界", "voice": "alloy", "response_format": "wav"}' \
  | ffplay -autoexit -nodisp -

# 使用 aplay（Linux）
curl -s http://localhost:7861/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "你好", "voice": "alloy", "response_format": "wav"}' \
  | aplay

Web 前端

使用 Web Audio API 实现 PCM 流式播放，边生成边播放，无需等待完整音频。

📊 API 端点一览

⚡ 性能指标

🔗 在线服务

📝 版本历史

v1.4.0 (2025-12-14) - 自定义音色

• ✅ 自定义音色 API - 上传音频创建专属音色
• ✅ 音色管理（创建/列表/详情/删除）
• ✅ 支持 voice_id 调用自定义音色
• ✅ 完整 API 文档

v1.3.1 (2025-12-14) - 音频质量优化

• ⚡ 消除开头杂音（DC offset 去除 + 淡入效果）
• ⚡ 优化流式播放（500ms 缓冲 + 时间同步）
• ⚡ 防止音频重叠播放

v1.3.0 (2025-12-14) - 流式播放

• 🌊 PCM 真流式输出（首字节 0.001s）
• 🌊 Web Audio API 前端播放
• 🌊 字节对齐修复

v1.2.0 (2025-12-14) - 性能优化

• ⚡ 64% 延迟降低（0.25s → 0.09s）
• ⚡ 43% 总时间优化
• ⚡ WAV 头修复

v1.1.0 (2025-12-13) - OpenAI 兼容

• ✅ OpenAI 兼容 /v1/audio/speech 端点
• ✅ 11 个预设音色
• ✅ 6 种音频格式
• ✅ 流式音频生成

v1.0.0 (2025-12-12) - 初始版本

• ✅ All-in-one Docker 镜像
• ✅ FastAPI REST API
• ✅ Gradio Web UI
• ✅ GPU 自动管理

🛠️ 系统要求

• Docker 20.10+
• NVIDIA GPU（CUDA 12.1+）
• NVIDIA Docker Runtime
• 4GB+ GPU 显存

📄 许可证

Apache License 2.0

🙏 致谢

• VoxCPM - 原始 TTS 模型
• OpenBMB - 模型开发

---

Made with ❤️ by the VoxCPM Community