README_TW.md

Fish Speech - 高级文本转語音系統（支援說話人管理）

English | 簡體中文 | 繁體中文 | 日本語

🐟 支援說話人管理、自動轉錄和情感控制的高级多語言文本转語音系統

✨ 功能特性

• 🎤 說話人管理 - 註冊并重复使用語音配置檔案
• 🔄 自動轉錄 - 使用 Whisper Turbo 自動生成参考文本
• 🌍 多語言支援 - 支援 8+ 种語言（中、英、日、韩、法、德、阿、西）
• 😊 情感控制 - 40+ 种情感和语气標記
• ⚡ GPU 加速 - 支援 CUDA 快速推理
• 🐳 Docker 就绪 - 一键部署
• 📡 REST API - 完整的 FastAPI + Swagger 文檔
• 🎨 Web 介面 - 用戶友好的 Gradio 介面

🚀 快速開始

方式一：Docker（推薦）

docker run -d \
  --name fish-speech \
  --gpus all \
  -p 7864:7864 \
  -v $(pwd)/checkpoints:/app/checkpoints \
  -v $(pwd)/speakers:/app/speakers \
  neosun/fish-speech:all-in-one-v1.2.0

訪問地址：

• Web 介面：http://localhost:7864
• API 文檔：http://localhost:7864/docs

方式二：从原始碼運行

# 克隆倉庫
git clone https://github.com/neosun100/fish-speech.git
cd fish-speech

# 安裝依賴
pip install -r requirements.txt

# 下載模型
# 将模型放置在 checkpoints/openaudio-s1-mini/ 目錄

# 運行伺服器
python unified_server.py --port 7864 --device cuda

📦 安裝部署

環境要求

• Python 3.10+
• CUDA 11.8+（GPU 加速）
• Docker 20.10+（Docker 部署）
• 推薦 8GB+ GPU 顯存

Docker 部署

拉取鏡像

docker pull neosun/fish-speech:all-in-one-v1.2.0

運行容器

docker run -d \
  --name fish-speech-v1.2.0 \
  --gpus '"device=0"' \
  -p 7864:7864 \
  -e PORT=7864 \
  -v $(pwd)/checkpoints:/app/checkpoints \
  -v $(pwd)/speakers:/app/speakers \
  --health-cmd "curl -f http://localhost:7864/health || exit 1" \
  --health-interval=30s \
  neosun/fish-speech:all-in-one-v1.2.0

使用 Docker Compose

version: '3.8'
services:
  fish-speech:
    image: neosun/fish-speech:all-in-one-v1.2.0
    container_name: fish-speech
    ports:
      - "7864:7864"
    environment:
      - PORT=7864
      - DEVICE=cuda
    volumes:
      - ./checkpoints:/app/checkpoints
      - ./speakers:/app/speakers
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:7864/health"]
      interval: 30s
      timeout: 10s
      retries: 3

運行：docker-compose up -d

⚙️ 配置說明

環境變數

變數	預設值	說明
PORT	7862	伺服器埠
DEVICE	cuda	設備（cuda/cpu）
COMPILE	0	啟用 torch 編譯
HALF	0	使用半精度
LLAMA_CHECKPOINT_PATH	checkpoints/openaudio-s1-mini	模型路徑

資料卷掛載

• /app/checkpoints - 模型檔案（必需）
• /app/speakers - 說話人配置檔案（持久化儲存）

💡 使用示例

1. 註冊說話人

curl -X POST "http://localhost:7864/api/speakers" \
  -F "name=小美" \
  -F "description=專業女聲" \
  -F "audio=@reference.wav"

2. 使用說話人生成語音

curl -X POST "http://localhost:7864/api/tts/speaker/{speaker_id}" \
  -F "text=你好，这是一个測試。" \
  -o output.wav

3. 帶情感的語音合成

curl -X POST "http://localhost:7864/api/tts" \
  -F "text=(excited) 太棒了！(laughing) 哈哈哈！" \
  -F "reference_audio=@voice.wav" \
  -o emotional_speech.wav

4. 自動轉錄

curl -X POST "http://localhost:7864/api/transcribe" \
  -F "audio=@audio.wav"

📡 API 文檔

介面列表

方法	端点	說明
GET	/health	健康檢查
GET	/api/gpu/status	GPU 狀態
POST	/api/transcribe	轉錄音频
GET	/api/speakers	列出說話人
POST	/api/speakers	註冊說話人
GET	/api/speakers/{id}	獲取說話人
PUT	/api/speakers/{id}	更新說話人
DELETE	/api/speakers/{id}	刪除說話人
POST	/api/tts	生成語音
POST	/api/tts/speaker/{id}	使用說話人生成語音

完整 API 文檔：http://localhost:7864/docs

🏗️ 專案結構

fish-speech/
├── unified_server.py      # 主伺服器
├── gpu_manager.py          # GPU 管理
├── fish_speech/            # 核心 TTS 引擎
├── tools/                  # 工具集
├── checkpoints/            # 模型檔案
├── speakers/               # 說話人配置
├── Dockerfile.allinone     # Docker 構建
└── docs/                   # 文檔

🛠️ 技術棧

• 框架：FastAPI + Gradio
• 模型：OpenAudio S1-mini（0.5B 參數）
• 轉錄：Whisper Turbo
• 推理：PyTorch + CUDA
• 部署：Docker + NVIDIA Container Toolkit

🤝 貢獻指南

歡迎貢獻！请遵循以下步驟：

1. Fork 本倉庫
2. 創建特性分支（git checkout -b feature/AmazingFeature）
3. 提交更改（git commit -m 'Add AmazingFeature'）
4. 推送到分支（git push origin feature/AmazingFeature）
5. 開啟 Pull Request

📝 更新日誌

v1.2.0 (2025-12-14)

• ✨ 添加完整的說話人管理系統
• ✨ 支援說話人註冊和自動轉錄
• ✨ 持久化說話人儲存
• 📚 完整的 API 文檔

v1.1.3 (2025-12-14)

• 🐛 修復 Gradio 自動轉錄 bug
• 🔧 改進音频檔案處理

v1.1.2 (2025-12-14)

• ✨ 集成 Whisper Turbo
• ✨ 添加轉錄 API

完整更新日誌

📄 許可證

本專案採用 Apache License 2.0 許可證 - 詳見 LICENSE 檔案。

模型權重採用 CC-BY-NC-SA-4.0 許可證發布。

⭐ Star History

📱 關注公眾號

---

用 ❤️ 打造 by Fish Speech 社群