Единый шлюз синтеза речиOpenAI-совместимый TTS-сервер
Объединяйте Edge-TTS, Kokoro, CosyVoice и OpenAI в единый, молниеносный self-hosted API-шлюз с полной поддержкой формата OpenAI.
Создано для голосового ИИ в реальном времени
Высокая параллельность, потоковая задержка менее 200 мс и универсальная совместимость.
Совместимость с OpenAI Speech
Прямая замена для эндпоинтов /v1/audio/speech, /v1/models и /v1/audio/voices без изменения клиентского кода.
Чанковый стриминг < 200 мс
Интеллектуальная разбивка на предложения и потоковая передача HTTP Chunked для мгновенного воспроизведения звука.
Агрегация нескольких движков
Единый интерфейс к Microsoft Edge-TTS, Kokoro-82M ONNX, CosyVoice и OpenAI с коллекцией из более 400 голосов.
Умное кэширование аудио по MD5
Автоматическое сохранение на диск исключает повторный синтез и дает отклик менее 10 мс на повторяющиеся фразы.
100% Self-Hosted и приватность
Локальное развертывание через Docker или uv. Полная конфиденциальность без передачи данных в сторонние облака.
Точная настройка и форматы
Управление скоростью, высотой тона, громкостью и поддержка популярных форматов MP3, WAV, AAC, OPUS, FLAC.
Поддерживаемые движки синтеза
Выберите оптимальный движок под ваши требования к задержке, качеству и аппаратному обеспечению.
| Движок | Тип | Голоса / Языки | Задержка | Оборудование | Оптимальное применение |
|---|---|---|---|---|---|
| Edge-TTSРекомендуется | Облачный / Бесплатный | 400+ голосов / 40+ языков | 150 - 300мс | CPU / Минимальный RAM | Чтение текстов, многоязычный контент, производство аудиокниг |
| Kokoro-82MСверхбыстрый | Локальный ONNX | Английский / Японский / Китайский | < 150мс | CPU или GPU CUDA | Интерактивные диалоговые агенты, игровые NPC |
| CosyVoice | Локальная нейросеть | Клонирование Zero-Shot | 250 - 450мс | GPU NVIDIA (CUDA) | Высокоточное клонирование голоса и выразительное эмоциональное озвучивание |
| OpenAI Relay | Апстрим-облако | alloy, echo, fable, onyx, nova, shimmer | 300 - 600мс | Только API-ключ | Официальный резервный канал OpenAI и мульти-модельное проксирование |
Конвейер обработки синтеза речи
От текстового запроса до аудиопотока за четыре оптимизированных шага.
Аутентификация и валидация запроса
Проверка токенов доступа и парсинг параметров: модели, голоса, текста, скорости и формата.
Нормализация и проверка MD5-кэша
Поиск готового аудио в дисковом кэше или естественная разбивка текста на фрагменты.
Диспетчеризация и генерация аудио
Параллельная отправка предложений в целевой движок нейросинтеза.
Кодирование и чанковый стриминг
Кодирование аудио и прямая потоковая отдача клиенту с одновременным сохранением в кэш.
Интеграция без смены SDK
Просто укажите параметр base_url в вашем стандартном SDK OpenAI для переключения на OneTTS.
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")