【自部署】TTS文本转语音大模型（docker一键使用）

马上国庆节了，写了个小玩具给大伙耍耍。

众所周知，阿里开源的Cosyvoice文本转语音大模型的效果非常的不错

我也把玩了很久

但苦于没有高性能的显卡 （租的卡总有一种紧迫感，用得不舒坦 ），所以写了个纯CPU运行的版本

相较于官方原版：

对于原版，做了以下处理：

1. 剔除不必要的Python环境依赖和模型文件，硬盘占用减少10G
2. 基于python:3.10-slim镜像（裸镜像仅43M大小），并且使用Docker打包，系统更轻量的同时，不会遇到安装报错、版本不兼容、网络错误等等等等问题，小白也能轻松部署。
3. 重写了WebUI，（原版UI仅供测试使用，并且解决了第一次生成时，无法获取音频的问题），步骤指导更清晰！

硬件要求：

• 物理内存推荐 8G，加swap缓存也能跑，但是慢。
• 硬盘剩余空间大于 10G
• 流量消耗大约 10G
• CPU在推理时，会满载95%+（注意vps商家有无限制）

好了，说了那么多，下面就是详细步骤了：

第一步：将下面内容保存为docker-compose.yml

services:  cov:    image: eureka6688/cosyvoice    container_name: cov    ports:      - "50000:50000"    command: ["python", "web.py", "--port", "50000"]    stdin_open: true    tty: true    restart: unless-stopped

第二步：在保存docker-compose.yml的目录下运行以下命令

docker compose up -d
等待10分钟，也许更久，就能够在 http://localhost:50000 访问到web服务界面了

没错，就这么简单！

接下来用nginx反代使用也好，ssh隧道转发到本地使用也可以，甚至可以直接打开防火墙50000端口，再通过公网IP+50000端口访问都没问题（注意网络安全！）