【自部署】TTS文本转语音大模型（docker一键使用）
本帖最后由 Eureka 于 2025-9-29 00:01 编辑马上国庆节了，写了个小玩具给大伙耍耍。 yc018t
众所周知，阿里开源的Cosyvoice文本转语音大模型的效果非常的不错，
我也把玩了很久yc019t
但苦于没有高性能的显卡（租的卡总有一种紧迫感，用得不舒坦yc007t），所以写了个纯CPU运行的版本。
相较于官方原版：
CPU推理时 原版 精简后
内存占用 4G+ 4G+
硬盘占用 20G+ 8.93G
速度相同 50s/it 50s/it
对于原版，做了以下处理：
1. 剔除不必要的Python环境依赖和模型文件，硬盘占用减少10G
2. 基于python:3.10-slim镜像（裸镜像仅43M大小），并且使用Docker打包，系统更轻量的同时，不会遇到安装报错、版本不兼容、网络错误等等等等问题，小白也能轻松部署。
3. 重写了WebUI，（原版UI仅供测试使用，并且解决了第一次生成时，无法获取音频的问题），步骤指导更清晰！
硬件要求：
- 物理内存推荐 8G，不够的话再加swap缓存也能跑，但是慢。
- 硬盘剩余空间大于 10G
- 流量消耗大约 10G
- CPU在推理时，会满载95%+（注意vps商家有无限制）
好了，说了那么多，下面就是详细步骤了：
第一步：将下面内容保存为docker-compose.yml
services:
cov:
image: eureka6688/cosyvoice:latest # arm架构请将＂latest＂替换成＂arm＂
container_name: cov
ports:
- "50000:50000"
command: ["python", "web.py", "--port", "50000"]
stdin_open: true
tty: true
restart: unless-stopped
第二步：在保存docker-compose.yml的目录下运行以下命令
docker compose up -d
等待10分钟，也许更久，就能够在 http://localhost:50000 访问到web服务界面了
没错，就这么简单！
接下来用nginx反代使用也好，ssh隧道转发到本地使用也可以，甚至可以直接打开防火墙50000端口，再通过公网IP+50000端口访问都没问题（注意网络安全！） 本帖最后由 Eureka 于 2025-9-29 00:50 编辑
演示效果请移步：https://gallery.chaomeng.de/?cosyvoice_demo
新增ARM版，移步：https://205205.xyz/thread-1437008-1-1.html 6啊，老哥，试试看 有ARM版没. 甲骨文arm闲置中 swds 发表于 2025-9-27 17:33
有ARM版没. 甲骨文arm闲置中
没有额 感谢分享 Eureka 发表于 2025-9-27 17:59
没有额
源码开源么？可以的话我帮编译一个 扫地僧 发表于 2025-9-27 18:13
源码开源么？可以的话我帮编译一个
这个就是源项目，https://github.com/FunAudioLLM/CosyVoice
构建arm的话，得修改代码，因为源项目没有提供arm的依赖工具，所以我这套在arm系统下也是编译构建不成功的。
源码的话，就一个Dockerfile，和一些配置。 论坛这样的好帖越来越少了。 感谢大佬分享https://cdn.jsdelivr.net/gh/master-of-forums/master-of-forums/public/images/patch.gif
页:
[1]