kyutai-tts-docker

🚀 久太语音合成（Kyutai TTS）Docker部署

久太语音合成（Kyutai TTS）的生产就绪型Docker部署方案，支持用户界面（UI）、REST API和多模态通信协议（MCP）。

🚀 快速开始

使用Docker Hub（推荐）

docker run -d \
  --name kyutai-tts \
  --gpus all \
  -p 8900:8900 \
  -e NVIDIA_VISIBLE_DEVICES=0 \
  neosun/kyutai-tts:allinone

访问地址：http://localhost:8900

使用Docker Compose

git clone https://github.com/neosun100/kyutai-tts-docker.git
cd kyutai-tts-docker
./start.sh

✨ 主要特性

• 🚀 一键部署：自动选择GPU并检测端口。
• 🎨 三种访问模式：支持Web UI、REST API和MCP工具。
• 🧠 智能GPU管理：采用懒加载机制并自动释放内存。
• 🌐 多语言界面：提供英文和中文界面。
• 📦 一体化镜像：无需外部依赖，包含所有模型。
• 🔒 生产就绪：支持HTTPS、健康检查和监控。

📦 安装指南

前提条件

• Docker 20.10 及以上版本
• Docker Compose 2.0 及以上版本
• 支持CUDA的NVIDIA GPU
• nvidia-docker运行时

方法一：从Docker Hub拉取

docker pull neosun/kyutai-tts:allinone

方法二：从源码构建

git clone https://github.com/neosun100/kyutai-tts-docker.git
cd kyutai-tts-docker
docker-compose build

🔧 配置说明

环境变量

| 变量 | 默认值 | 描述 | |------|--------|------| | PORT | 8900 | 服务端口 | | DEVICE | cuda | 设备类型（cuda/cpu） | | GPU_IDLE_TIMEOUT | 60 | GPU空闲超时时间（秒） | | NVIDIA_VISIBLE_DEVICES | 0 | 要使用的GPU ID |

.env文件示例

PORT=8900
DEVICE=cuda
GPU_IDLE_TIMEOUT=60
NVIDIA_VISIBLE_DEVICES=0

💻 使用示例

Web UI

1. 打开浏览器，访问：http://localhost:8900
2. 输入要合成的文本
3. （可选）调整参数
4. 点击“生成”
5. 播放或下载音频

REST API

生成语音

curl -X POST http://localhost:8900/api/tts \
  -F "text=Hello, world!" \
  -F "cfg_coef=2.0" \
  --output output.wav

检查GPU状态

curl http://localhost:8900/api/gpu/status

释放GPU内存

curl -X POST http://localhost:8900/api/gpu/offload

MCP工具

详细的MCP使用说明请参阅 MCP_GUIDE.md。

result = await mcp_client.call_tool(
    "text_to_speech",
    {
        "text": "Hello from MCP!",
        "output_path": "/tmp/output.wav"
    }
)

📚 详细文档

项目结构

kyutai-tts-docker/
├── app.py                 # Flask应用程序
├── gpu_manager.py         # GPU资源管理器
├── mcp_server.py          # MCP服务器
├── Dockerfile             # Docker镜像文件
├── Dockerfile.allinone    # 一体化镜像文件
├── docker-compose.yml     # Docker Compose配置文件
├── start.sh               # 一键启动脚本
├── test_api.sh            # API测试脚本
└── docs/                  # 文档目录
    ├── QUICKSTART.md
    ├── MCP_GUIDE.md
    └── TEST_REPORT.md

技术栈

• 框架：Flask 3.0
• 机器学习框架：PyTorch 2.7 + CUDA 12.1
• 语音合成模型：Kyutai TTS 1.6B（英文/法文）
• API文档：Swagger/Flasgger
• MCP：FastMCP 0.2
• 容器：Docker + nvidia-docker

API文档

服务启动后，可通过以下地址访问Swagger文档：http://localhost:8900/apidocs

可用端点

• GET /health - 健康检查
• GET /api/gpu/status - GPU状态
• POST /api/tts - 生成语音
• POST /api/gpu/offload - 释放GPU内存

生产部署

使用Nginx反向代理

server {
    listen 443 ssl;
    server_name your-domain.com;
    
    location / {
        proxy_pass http://localhost:8900;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

多GPU设置

# GPU 0
NVIDIA_VISIBLE_DEVICES=0 PORT=8900 docker-compose up -d

# GPU 1
NVIDIA_VISIBLE_DEVICES=1 PORT=8901 docker-compose up -d

性能指标

• 模型大小：16亿参数
• GPU内存：3 - 4GB
• 延迟：350ms（L40S，32并发）
• 速度：实时速度的3 - 5倍
• 音频质量：16位PCM，24kHz

🤝 贡献指南

欢迎贡献代码！请随意提交拉取请求。

1. 分叉仓库
2. 创建功能分支（git checkout -b feature/AmazingFeature）
3. 提交更改（git commit -m 'Add some AmazingFeature'）
4. 推送到分支（git push origin feature/AmazingFeature）
5. 打开拉取请求

📝 更新日志

v1.0.0 (2025-12-14)

• 初始版本发布
• 支持GPU的Docker部署
• 支持多语言的Web UI
• 带有Swagger文档的REST API
• MCP服务器实现
• 一体化Docker镜像

📄 许可证

• Python代码：MIT许可证
• Rust代码：Apache许可证
• 模型权重：CC-BY 4.0

🙏 致谢

• Kyutai Labs 提供语音合成模型
• Moshi 提供实现方案

⭐ 星标历史

📱 关注我们