kokoro-onnx-fastapi

简体中文 | English

基于kokoro-onnx开发的轻量级语音合成API服务，采用FastAPI框架构建。本项目提供简便易用的本地或服务器语音合成解决方案，支持中文及其他语言（如英文）的高质量语音生成。

项目特点

• 🚀 高性能FastAPI接口，响应迅速
• 🐳 完整支持Docker容器化部署
• 🌏 中文和其他语言模型分离部署（位于src/chinese和src/other目录）
• 📦 首次启动自动下载并管理依赖资源
• 💾 支持音频文件缓存，提高重复请求响应速度
• 🔄 支持语音生成速度调节
• 🧩 丰富多样的声音模型选择

中文与其他语言模型分离说明：
中文语音模型Kokoro-82M-v1.1-zh与其他语言模型Kokoro-82M是两个独立的项目，拥有不同的模型结构和语音特性。本项目通过目录隔离实现两套模型的独立部署与按需使用，避免不必要的资源占用。

系统要求

• Python 3.12或更高版本
• uv包管理工具（推荐使用）
• 约1GB磁盘空间用于存储模型文件
• Docker与docker-compose（如需容器化部署）

快速开始

本地运行

# 克隆代码仓库
git clone https://github.com/kamjin3086/kokoro-onnx-fastapi.git

# 中文服务
cd kokoro-onnx-fastapi/src/chinese
uv venv -p 3.12 && source .venv/bin/activate  # Linux/macOS
# 或 .venv\Scripts\activate  # Windows
uv pip install -r requirements.txt
python main.py  # 服务运行在 http://localhost:8210

# 其他语言服务
cd kokoro-onnx-fastapi/src/other
uv venv -p 3.12 && source .venv/bin/activate  # Linux/macOS
# 或 .venv\Scripts\activate  # Windows
uv pip install -r requirements.txt
python main.py  # 服务运行在 http://localhost:8211

Docker容器部署

# 中文服务
cd kokoro-onnx-fastapi/src/chinese
docker-compose up -d --build  # 服务运行在 http://localhost:8210

# 其他语言服务
cd kokoro-onnx-fastapi/src/other
docker-compose up -d --build  # 服务运行在 http://localhost:8211

API使用指南

API接口文档访问地址：http://localhost:8210/docs（中文服务）或http://localhost:8211/docs（其他语言服务）

使用示例

中文语音合成：

curl -X POST "http://localhost:8210/generate-speech/" \
     -H "Content-Type: application/json" \
     -d '{"text":"你好，世界！", "voice":"zf_001", "filename":"hello_world", "speed": 1.0}' \
     --output hello_world.wav

其他语言（如英文）语音合成：

curl -X POST "http://localhost:8211/generate-speech/" \
     -H "Content-Type: application/json" \
     -d '{"text":"Hello world, this is a test.", "voice":"af_heart", "filename":"hello_test", "speed": 1.0}' \
     --output hello_test.wav

参数	说明
text	要转换的文本内容
voice	声音模型名称，如"zf_001"(中文)或"af_heart"(英文)
filename	(可选)生成的音频文件名，不含路径和扩展名
speed	(可选)语音速度调节，默认为1.0

配置与自定义

• 模型文件自动下载并保存至各自服务目录下的models/文件夹
• 生成的音频文件存储在各自服务目录下的generated_audio/文件夹
• 可通过编辑main.py配置文件调整服务参数

声音模型说明

• 中文声音模型: 使用v1.1-zh版本模型，提供多种中文女声和男声选择。查看详细列表
• 其他语言声音模型: 使用v1.0版本模型，支持多种语言和声音类型。查看详细列表

许可证

本项目采用MIT许可证，基于原kokoro-onnx项目开发，请同时遵循原项目的许可要求。