Skip to content
OneTTS 閘道 · 高效能語音合成 API 基座
新一代高效能統一自託管語音合成閘道
聚合 Edge-TTS、Kokoro、CosyVoice 與 OpenAI，提供完全相容 OpenAI 協定的私有化低延遲語音合成服務。
# 1. Pull and run OneTTS Gateway Service
$ docker run -d -p 8030:8030 --name onetts codeandxv/onetts:latest
INFO: Registering TTS Engines: [edgetts, kokoro, openai]
INFO: Application startup complete. Uvicorn running on http://0.0.0.0:8030
OpenAI Speech API ready at /v1/audio/speech
為現代語音 AI 智慧體而生
高並行、200ms 內串流首包延遲與極簡的客戶端相容性。
🎙️標準介面
完全相容 OpenAI Speech
無縫替換 OpenAI /v1/audio/speech、/v1/models 與 /v1/audio/voices 介面，現有程式碼 0 修改遷移。
⚡< 200ms
低至 200ms 串流分塊
基於句級分塊管線與 HTTP Chunked 串流傳輸，無需等待整段合成即可秒級發聲。
🧩多引擎
多引擎聚合與音色庫
統一接入微軟 Edge-TTS、Kokoro-82M ONNX、CosyVoice 與 OpenAI 上游代理，支援 400+ 豐富音色。
💾磁碟快取
智慧 MD5 音訊快取
自動對合成文字與音色參數進行 MD5 校驗快取，重複請求實現 10ms 極速回應並極大降低算力消耗。
🛡️私有部署
100% 私有化與安全
單埠 Docker 或 uv 一鍵私有化部署，語音資料不出區域網路，滿足企業級隱私與法規遵循要求。
🎛️精細調節
精細化語速與多格式
全面支援語速、音調、音量自訂調節，支援 MP3, WAV, AAC, OPUS, FLAC 等主流音訊格式。
多引擎能力矩陣
根據應用場景、算力條件與音色偏好，靈活選擇最適合的 TTS 引擎。
| 引擎名稱 | 類型 | 音色 / 支援語言 | 首包延遲 | 硬體需求 | 推薦場景 |
|---|---|---|---|---|---|
| Edge-TTS首選推薦 | 雲端免費 | 400+ 音色 / 40+ 語言 | 150 - 300ms | 輕量 CPU / 記憶體 | 通用朗讀、多語種閱讀、長文字有聲書製作 |
| Kokoro-82M超低延遲 | 本機 ONNX | 英語 / 日語 / 中文 | < 150ms | CPU 或 CUDA GPU | 即時語音互動智慧體、遊戲 NPC 對話、邊緣裝置 |
| CosyVoice | 本機大模型 | Zero-shot 聲音複製 | 250 - 450ms | NVIDIA GPU (CUDA) | 高品質個人化聲音複製、富有情感表現力的角色配音 |
| OpenAI Relay | 雲端上游 | alloy, echo, fable, onyx, nova, shimmer | 300 - 600ms | 僅需 API Key | OpenAI 官方服務回退備援與多模型統一代理 |
語音合成處理管線
從請求接收到串流音訊直出，四步精簡高效處理流。
Step 01
介面鑑權與參數解析
校驗 Bearer Token 或 X-API-Key，解析 model、voice、input、speed 及 response_format 參數。
Step 02
文字分塊與 MD5 快取檢索
計算請求參數雜湊值比對本機快取，未命中則執行句法規則分塊並預熱管線。
Step 03
引擎分發與並行合成
調度指定引擎（EdgeTTS、Kokoro、CosyVoice）並行生成音訊分塊，保障低首包延遲。
Step 04
音訊編碼與 Chunked 串流直出
將音訊串流打包回傳至客戶端（同時寫入本機磁碟持久化快取），實現即播即放。
程式碼零修改即可接入
僅需修改 base_url，即可直接使用現有 OpenAI SDK 無縫呼叫 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")