Vox Box安装与配置指南-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00070/article/details/147379061

Vox Box安装与配置指南

vox-box A text-to-speech and speech-to-text server compatible with the OpenAI API, supporting Whisper, FunASR, Bark, and CosyVoice backends. 项目地址: https://gitcode.com/gh_mirrors/vo/vox-box

1. 项目基础介绍

Vox Box是一个开源项目，提供文本转语音（TTS）和语音转文本（STT）的服务器，兼容OpenAI API。该项目支持多种后端，包括Whisper、FunASR、Bark和CosyVoice等，可以用于实现语音识别和语音合成功能。

主要的编程语言为Python。

2. 关键技术和框架

Python：项目主体使用的编程语言。
Whisper：一种由OpenAI开发的强大的语音识别模型。
FunASR：百度开源的自动语音识别框架。
Bark：基于深度学习的文本转语音引擎。
CosyVoice：用于语音合成的深度学习模型。

3. 安装和配置准备工作

在开始安装之前，请确保您的系统满足以下要求：

Python 3.10或更高版本
如果使用NVIDIA GPU，需要安装以下NVIDIA库：
- cuBLAS for CUDA 12
- cuDNN 9 for CUDA 12

安装步骤

安装Python

确保系统已安装Python 3.10或更高版本。可以在终端中运行以下命令来检查Python版本：
```
python --version
```
如果版本不符合要求，请从Python官网下载并安装。

安装Vox Box

使用pip命令安装Vox Box：

pip install vox-box

如果您使用的是MacOS系统，还需要安装openfst、pynini和wetextprocessing：

brew install openfst
export CPLUS_INCLUDE_PATH=$(brew --prefix openfst)/include
export LIBRARY_PATH=$(brew --prefix openfst)/lib
pip install pynini==2.1.6
pip install wetextprocessing==1.0.4.1

启动Vox Box服务

在安装完成后，您可以通过以下命令启动Vox Box服务：
```
vox-box start --huggingface-repo-id Systran/faster-whisper-small --data-dir ./cache/data-dir --host 0.0.0.0 --port 80
```
如果您在Windows系统上运行，可能需要修改--data-dir的路径，例如：
```
vox-box start --huggingface-repo-id Systran/faster-whisper-small --data-dir C:\Users\michelia\AppData\Roaming\vox-box --host 0.0.0.0 --port 8082
```
这样就完成了Vox Box的安装和基本配置。您现在可以使用该项目提供的API来进行语音识别和语音合成了。