Coqui TTS Server

Servidor TTS (Text-to-Speech) baseado no Coqui TTS com suporte a múltiplos idiomas e modelos.

🚀 Instalação Rápida

1. Instalar dependências e ambiente

cd coqui-tts
./scripts/install.sh

2. Executar o servidor

./scripts/run.sh

📋 Requisitos do Sistema

Dependências do Sistema

• ffmpeg - Processamento de áudio
• sox - Manipulação de áudio
• espeak-ng - Síntese de fala

Dependências Python

• TTS>=0.22.0 - Framework principal
• torch==2.5.1 - PyTorch
• transformers==4.39.3 - Modelos de linguagem
• whisper - Reconhecimento de fala
• fastapi - Servidor web
• uvicorn - Servidor ASGI

🔧 Configuração

Ficheiro de Configuração

Edite config.env para personalizar as configurações:

# Configurações do Miniconda
MINICONDA_SSD=/media/vitor/ssd990/miniconda3
ENV_NAME=coqui-tts

# Configurações do servidor
TTS_SERVER_HOST=0.0.0.0
TTS_SERVER_PORT=8000

# Modelos padrão
DEFAULT_TTS_MODEL=tts_models/multilingual/multi-dataset/xtts_v2
DEFAULT_WHISPER_MODEL=base

📥 Modelos TTS

Modelos Incluídos

• XTTS v2 - Multilingue, alta qualidade
• Mai (Português) - Modelo específico para português
• LJSpeech (Inglês) - Voz feminina em inglês
• VCTK (Inglês) - Múltiplas vozes em inglês
• YourTTS - Clone de voz

Download Manual de Modelos

./scripts/download_models.sh

🎯 Uso

Ativar Ambiente Manualmente

conda activate coqui-tts

Executar Servidor

./scripts/run.sh

Aceder à API

• URL: http://localhost:8000
• Docs: http://localhost:8000/docs

🔍 Verificação de Modelos

O script run.sh verifica automaticamente se os modelos necessários estão disponíveis:

./scripts/run.sh

Se algum modelo estiver em falta, execute:

./scripts/download_models.sh

📁 Estrutura de Ficheiros

coqui-tts/
├── environment.yml          # Dependências Conda
├── config.env              # Configurações
├── scripts/
│   ├── install.sh          # Instalação completa
│   ├── run.sh              # Execução do servidor
│   └── download_models.sh  # Download de modelos
└── src/
    └── tts_server.py       # Servidor principal

🛠️ Solução de Problemas

Erro: "No such file or directory: tts_models"

Execute o download de modelos:

./scripts/download_models.sh

Erro: "Conda not found"

Verifique se o Miniconda está instalado e no PATH:

which conda

Erro: "Permission denied"

Torne os scripts executáveis:

chmod +x scripts/*.sh

📊 Cache e Armazenamento

Os modelos são armazenados em:

• TTS Cache: /media/vitor/ssd990/cache/tts
• Whisper Cache: /media/vitor/ssd990/cache/whisper
• Logs: /media/vitor/ssd990/logs/coqui-tts.log

🔄 Atualizações

Para atualizar o ambiente:

conda env update -f environment.yml --prune

📝 Logs

Os logs são guardados em:

• Ficheiro: /media/vitor/ssd990/logs/coqui-tts.log
• Nível: INFO (configurável em config.env)

🗣️ Gestão de Speakers (Vozes Personalizadas)

O servidor permite registar, listar, atualizar e remover speakers (vozes personalizadas) de forma persistente.

Endpoints principais

Ação	Endpoint	Método	Descrição
Registar	/speaker/register	POST	Regista novo speaker
Atualizar	/speaker/update	POST	Atualiza speaker existente
Remover	/speaker/delete	DELETE	Remove speaker
Listar	/speaker/list	GET	Lista todos os speakers

Exemplos de uso

Registar um speaker

curl -X POST http://localhost:8000/speaker/register \
  -F "name=joana" \
  -F "audio_file=@/caminho/para/joana.wav" \
  -F "lang=pt" -F "desc=Voz Joana demo"

Listar speakers

curl http://localhost:8000/speaker/list

Atualizar um speaker

curl -X POST http://localhost:8000/speaker/update \
  -F "name=joana" \
  -F "desc=Nova descrição" \
  -F "audio_file=@/caminho/para/novo_joana.wav"

Remover um speaker

curl -X DELETE http://localhost:8000/speaker/delete \
  -F "name=joana"

Exemplo em Python (requests)

import requests

# Registar
with open("joana.wav", "rb") as f:
    files = {"audio_file": f}
    data = {"name": "joana", "lang": "pt", "desc": "Voz Joana demo"}
    r = requests.post("http://localhost:8000/speaker/register", files=files, data=data)
    print(r.json())

# Listar
r = requests.get("http://localhost:8000/speaker/list")
print(r.json())

# Atualizar
with open("novo_joana.wav", "rb") as f:
    files = {"audio_file": f}
    data = {"name": "joana", "desc": "Nova descrição"}
    r = requests.post("http://localhost:8000/speaker/update", files=files, data=data)
    print(r.json())

# Remover
r = requests.request("DELETE", "http://localhost:8000/speaker/delete", data={"name": "joana"})
print(r.json())

• Todos os endpoints retornam JSON.
• Os campos extra enviados no form são guardados como propriedades do speaker.
• O ficheiro de áudio é obrigatório no registo e opcional na atualização.

cuDNN Setup & Compliance

Due to NVIDIA licensing, cuDNN binaries are not distributed in this repository.

To enable GPU acceleration:

1. Download cuDNN for your CUDA version from: https://developer.nvidia.com/cudnn
2. Extract the contents into coqui-tts/cuda/ so that you have:
   • coqui-tts/cuda/include/cudnn.h
   • coqui-tts/cuda/lib64/libcudnn*.so*
3. (Optional) Run scripts/install_cudnn.sh to set up the environment.

You must accept NVIDIA’s terms to use cuDNN.