RealtimeTTS项目安装与配置完全指南

RealtimeTTS项目安装与配置完全指南

RealtimeTTS Converts text to speech in realtime 项目地址: https://gitcode.com/gh_mirrors/re/RealtimeTTS

前言

RealtimeTTS是一个强大的实时文本转语音(TTS)库，支持多种主流TTS引擎。本文将详细介绍如何正确安装和配置RealtimeTTS，包括基础安装、定制化安装、各引擎的特殊要求以及GPU加速配置等内容。

基础安装

目前推荐使用完整安装方式，这样可以获得所有支持的TTS引擎功能：

pip install -U realtimetts[all]

这种安装方式会包含系统内置TTS、Azure认知服务、ElevenLabs、OpenAI等多种引擎支持。

定制化安装方案

根据实际需求，可以选择只安装特定引擎：

pip install realtimetts[coqui]  # 仅安装Coqui本地TTS引擎
pip install realtimetts[azure,elevenlabs,openai]  # 安装Azure、ElevenLabs和OpenAI引擎

可用选项包括：

• all：完整安装所有引擎
• system：系统内置TTS功能
• azure：Azure认知服务
• elevenlabs：ElevenLabs API
• openai：OpenAI语音服务
• gtts：谷歌文本转语音
• coqui：Coqui TTS引擎
• minimal：仅基础库（适合开发者）

虚拟环境安装

推荐使用虚拟环境隔离安装：

python -m venv env_realtimetts
source env_realtimetts/bin/activate  # Linux/macOS
# 或 env_realtimetts\Scripts\activate.bat (Windows)
pip install -U realtimetts[all]

各引擎配置要求

1. 系统引擎

• 无需额外配置
• 使用操作系统内置的TTS功能

2. GTTS引擎

• 无需额外配置
• 使用谷歌翻译的TTS API

3. OpenAI引擎

• 需要设置环境变量OPENAI_API_KEY
• 需要安装ffmpeg

4. Azure引擎

• 需要Azure语音服务API密钥
• 需要设置服务区域
• 可通过环境变量AZURE_SPEECH_KEY提供密钥

5. ElevenLabs引擎

• 需要API密钥（环境变量ELEVENLABS_API_KEY）
• 必须安装mpv播放器

mpv安装方法：

• macOS: brew install mpv
• Linux: 使用系统包管理器安装
• Windows: 从官网下载安装

6. Coqui引擎（本地神经TTS）

• 需要下载TTS模型
• 推荐使用GPU加速（需4-5GB显存）
• 语音克隆需要提供WAV样本文件（22050Hz, 16位, 单声道）

GPU加速配置（CUDA）

1. 检查GPU兼容性

确保您的NVIDIA GPU支持CUDA计算

2. 安装CUDA Toolkit

• 下载对应版本的CUDA Toolkit（如11.8或12.x）
• 按照官方指南完成安装

3. 安装cuDNN

• 下载与CUDA版本匹配的cuDNN
• 按照NVIDIA文档进行配置

4. 安装FFmpeg

各平台安装方法：

• Ubuntu/Debian: sudo apt install ffmpeg
• Arch Linux: sudo pacman -S ffmpeg
• macOS: brew install ffmpeg
• Windows: 使用包管理器如Chocolatey或Scoop安装

5. 安装支持CUDA的PyTorch

根据CUDA版本选择对应命令：

# CUDA 11.8
pip install torch==2.3.1+cu118 torchaudio==2.3.1

# CUDA 12.x
pip install torch==2.3.1+cu121 torchaudio==2.3.1

6. 解决依赖冲突

如遇兼容性问题，可固定特定版本：

pip install networkx==2.8.8 typing_extensions==4.8.0 fsspec==2023.6.0
pip install imageio==2.31.6 numpy==1.24.3 requests==2.31.0

结语

通过本文的详细指南，您应该能够顺利完成RealtimeTTS的安装和配置。根据实际需求选择合适的安装方式，如需高性能实时语音合成，强烈建议配置CUDA环境以获得最佳体验。

RealtimeTTS Converts text to speech in realtime 项目地址: https://gitcode.com/gh_mirrors/re/RealtimeTTS