Skip to content
OneTTS 网关 · 高性能语音合成 API 基座
新一代高性能统一自托管语音合成网关
聚合 Edge-TTS、Kokoro、CosyVoice 与 OpenAI，提供完全兼容 OpenAI 协议的私有化低延迟语音合成服务。
# 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
为现代语音 AI 智能体而生
高并发、200ms 内流式首包延迟与极简的客户端兼容性。
🎙️标准接口
完全兼容 OpenAI Speech
无缝替换 OpenAI /v1/audio/speech、/v1/models 与 /v1/audio/voices 接口，已有代码 0 修改迁移。
⚡< 200ms
低至 200ms 流式分块
基于句级分块流水线与 HTTP Chunked 流式传输，无需等待整段合成即可秒级出声。
🧩多引擎
多引擎聚合与音色库
统一接入微软 Edge-TTS、Kokoro-82M ONNX、CosyVoice 与 OpenAI 上游代理，支持 400+ 丰富音色。
💾磁盘缓存
智能 MD5 音频缓存
自动对合成文本与音色参数进行 MD5 校验缓存，重复请求实现 10ms 极速响应并极大降低算力消耗。
🛡️私有部署
100% 私有化与安全
单端口 Docker 或 uv 一键私有化部署，语音数据不出局域网，满足企业级隐私与合规要求。
🎛️精细调节
精细化语速与多格式
全面支持语速、音调、音量自定义调节，支持 MP3, WAV, AAC, OPUS, FLAC 等主流音频格式。
多引擎能力矩阵
根据应用场景、算力条件与音色偏好，灵活选择最适合的 TTS 引擎。
| 引擎名称 | 类型 | 音色 / 支持语言 | 首包延迟 | 硬件需求 | 推荐场景 |
|---|---|---|---|---|---|
| Edge-TTS首选推荐 | 云端免费 | 400+ 音色 / 40+ 语言 | 150 - 300ms | 轻量 CPU / 内存 | 通用朗读、多语种阅读、长文本有声书制作 |
| Kokoro-82M超低延迟 | 本地 ONNX | 英语 / 日语 / 中文 | < 150ms | CPU 或 CUDA GPU | 实时语音交互智能体、游戏 NPC 对话、边缘设备 |
| CosyVoice | 本地大模型 | Zero-shot 声音克隆 | 250 - 450ms | NVIDIA GPU (CUDA) | 高质量个性化声音克隆、富有情感表现力的角色配音 |
| OpenAI Relay | 云端上游 | alloy, echo, fable, onyx, nova, shimmer | 300 - 600ms | 仅需 API Key | OpenAI 官方服务回退兜底与多模型统一代理 |
语音合成处理流水线
从请求接收到流式音频直出，四步精简高效处理流。
Step 01
接口鉴权与参数解析
校验 Bearer Token 或 X-API-Key，解析 model、voice、input、speed 及 response_format 参数。
Step 02
文本分块与 MD5 缓存检索
计算请求参数哈希值匹配本地缓存，未命中则执行句法规则分块并预热流水线。
Step 03
引擎分发与并发合成
调度指定引擎（EdgeTTS、Kokoro、CosyVoice）并发生成音频分块，保障低首包延迟。
Step 04
音频编码与 Chunked 流直出
将音频流式打包回传至客户端（同时写入本地磁盘持久化缓存），实现即播即放。
代码零修改即可接入
仅需修改 base_url，即可直接使用现有 OpenAI SDK 无缝调用 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")