# tts-server

**Repository Path**: lipeng260/tts-server

## Basic Information

- **Project Name**: tts-server
- **Description**: tts-server
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-25
- **Last Updated**: 2026-09-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# TTS 播报服务

默认使用本地 AISHELL3 VITS 模型，POST 纯文本到 `http://localhost:19999/` 播报。

## 音量和音色

```bash
venv/bin/python tts_server.py --action all --speaker 8 --speed 1.0 --gain-db 12
```

- `--gain-db`：默认 +12 dB，约为原始采样振幅的 4 倍，不代表主观响度 4 倍。可设置 -24～24。音频峰值限制在 -1 dBFS；如果增益会导致削波，会自动降低整段增益。保存和播放使用同一份处理后的音频。设为 0 可对比原始音量（仍保留峰值保护）。
- `--speaker`：当前模型支持 0～173。默认 8，可以用相同文字试听不同编号，按偏好选择。
- `--speed`：0.5～2.0，默认 1.0。先保持正常语速，再按试听结果微调。
- `--action save`：只保存 WAV；`play`：只在服务器播放；`all`：两者都执行。播放依赖 Linux 的 `aplay`。

现有 `start.sh` 和 systemd 服务重启后会使用默认 +12 dB。若通过 systemd 自定义参数，修改部署机器上 `/etc/systemd/system/tts-server.service` 的 `ExecStart`，例如：

```ini
ExecStart=/opt/tts-server/venv/bin/python3 tts_server.py --speed 1.0 --speaker 8 --gain-db 12
```

然后运行 `sudo systemctl daemon-reload` 和 `sudo systemctl restart tts-server`。仅更新 Python 代码时只需重启服务。

## 提升音质

当前模型输出只有 8000 Hz，音频频率上限约 4 kHz，清晰度受限。提高音量不能改善模型的音色或补回高频；将 WAV 重采样为更高采样率也不能恢复这些细节。

可以先试听 [官方 MeloTTS 示例](https://k2-fsa.github.io/sherpa/onnx/tts/pretrained_models/vits.html#vits-melo-tts-zh-en-chinese-english-1-speaker)。这个 VITS 模型输出 44100 Hz，只有一个音色，模型文件约 163 MB。下面的命令下载后可切换使用：

```bash
wget https://github.com/k2-fsa/sherpa-onnx/releases/download/tts-models/vits-melo-tts-zh_en.tar.bz2
tar -xjf vits-melo-tts-zh_en.tar.bz2
venv/bin/python tts_server.py --model-dir ./vits-melo-tts-zh_en --speaker 0 --gain-db 12 --action all
```

切换前先停止占用 19999 端口的旧服务。MeloTTS 需要更多计算资源，应在实际 Orange Pi 上测试生成耗时和听感；当前项目未附带该模型。现有车牌字母、数字转中文规则仍会生效。

## WAV 已够响但喇叭仍小声

在播放设备上用 `aplay -l` 查看声卡，用 `alsamixer` 选择实际输出声卡，检查 Master、PCM 或 Speaker 是否静音以及音量位置。不同声卡的控制项可能不同。逐步调整系统、功放和音箱音量；如果已出现破音，应降低音量。软件增益不能弥补功放或喇叭功率不足。