Einheitliche moderneSelf-Hosted TTS-Gateway
Bündelt Edge-TTS, Kokoro, CosyVoice und OpenAI in einem extrem schnellen, OpenAI-kompatiblen Sprachsynthese-Dienst.
Entwickelt für moderne Voice-AI
Hoher Durchsatz, unter 200 ms Streaming-Latenz und universelle Client-Kompatibilität.
OpenAI Speech Kompatibel
Direkter Ersatz für /v1/audio/speech, /v1/models und /v1/audio/voices ohne Codeänderung.
Streaming unter 200 ms
Satzweises Chunking und HTTP-Chunked-Streaming für sofortige Audiowiedergabe.
Multi-Engine Aggregation
Vereint Microsoft Edge-TTS, Kokoro-82M ONNX, CosyVoice und OpenAI mit über 400 Stimmen.
Intelligenter MD5-Cache
Automatischer Disk-Cache für Anfragen liefert Antwortzeiten unter 10 ms für wiederkehrende Sätze.
100% Self-Hosted & Sicher
Betrieb auf eigener Infrastruktur via Docker oder uv. Keine Audiodaten verlassen Ihr Netzwerk.
Feinabstimmung & Formate
Unterstützung für Geschwindigkeit, Tonhöhe, Lautstärke und Formate wie MP3, WAV, AAC, OPUS.
Verfügbare Synthese-Engines
Wählen Sie die ideale Engine passend zu Ihren Latenz-, Hardware- und Qualitätsanforderungen.
| Engine | Typ | Stimmen / Sprachen | Latenz | Hardware | Ideal für |
|---|---|---|---|---|---|
| Edge-TTSEmpfohlen | Cloud / Kostenlos | 400+ Stimmen / 40+ Sprachen | 150 - 300ms | Geringe CPU / RAM | Vorlesen, mehrsprachige Texte, Hörbuchproduktion |
| Kokoro-82MUltra-schnell | Lokales ONNX | Englisch / Japanisch / Chinesisch | < 150ms | CPU oder CUDA GPU | Echtzeit-Sprachagenten, Dialogsysteme, Gaming-NPCs |
| CosyVoice | Lokales Modell | Zero-Shot Voice Cloning | 250 - 450ms | NVIDIA GPU (CUDA) | Hochpräzises Stimmenklonen und ausdrucksstarke Stimmen |
| OpenAI Relay | Cloud Upstream | alloy, echo, fable, onyx, nova, shimmer | 300 - 600ms | Nur API-Key | Offizielles OpenAI-Fallback und Multi-Modell-Proxy |
Sprachsynthese-Pipeline
In vier schlanken Schritten von der Textanfrage zum kontinuierlichen Audiostream.
API-Authentifizierung & Parsing
Validiert Token (Bearer/X-API-Key) und extrahiert Modell, Stimme, Text und Format.
Textnormalisierung & MD5-Cache
Gleicht MD5-Hash mit Cache ab oder segmentiert Text in natürliche Phrasen.
Engine-Dispatching & Synthese
Verteilt Segmente parallel an die Zielengine (EdgeTTS, Kokoro, CosyVoice).
Audio-Streaming & Caching
Kodiert das Audioformat und streamt Pakete direkt zum Client während der Cache befüllt wird.
Keine SDK-Änderungen nötig
Wechseln Sie zu OneTTS, indem Sie lediglich die base_url in Ihrem OpenAI SDK anpassen.
from openai import OpenAI
# Initialize client pointing to your local OneTTS gateway
client = OpenAI(
base_url="http://localhost:8030/v1",
api_key="sk-onetts-v1-k_8LxQm9Z2sTwE7rY1u"
)
# Synthesize speech stream using Edge-TTS or Kokoro
response = client.audio.speech.create(
model="edgetts",
voice="zh-CN-YunxiNeural",
input="你好，这是通过 OneTTS 高性能语音合成网关生成的高保真音频流！",
response_format="mp3",
speed=1.0
)
# Stream or save audio directly
response.stream_to_file("output.mp3")