智能家居物联网【免费下载链接】addons:heavy_plus_sign: Docker add-ons for Home Assistant项目地址https://gitcode.com/GitHub_Trending/add/addons点击查看免费下载Piper 是 Home Assistant 生态中基于 piper 为主线结合 piper/DOCS.md、piper/config.yaml、piper/Dockerfile 及 s6-overlay 启动脚本完整解析 2.5.2 版本引入的按需下载语音包 Web 语音管理界面 双后端切换三大能力并带你掌握全部配置参数与底层实现原理能够独立完成 Piper 的安装、调优与自定义语音管理。一、版本演进脉络从基础 TTS 到多后端语音平台Piper 应用自 0.1.0 初版发布以来其演进轨迹清晰反映了 Home Assistant Year of Voice语音之年的路线图。通过 piper/CHANGELOG.md 可以梳理出几个关键里程碑0.1.x 起步期0.1.0 完成初版发布0.1.1 启用 Wyoming 协议发现discovery使 Home Assistant 能自动发现服务0.1.3 修复多行输入、增加下载声音时的哈希校验并新增冰岛语、俄语声音。1.x 成熟期1.2.0 升级至 Piper 1.2新增 30 声音并确立了language_REGION-name-quality的声音命名格式声音统一从 HuggingFacerhasspy/piper-voices自动下载1.3.2 支持在/share/piper目录放置自定义声音新增upgrade_voices与debug_logging选项1.6.0 支持在句边界进行音频流式输出。2.x 平台化2.1.1 默认启用流式输出移除streaming选项、移除max_piper_procs选项、放弃armv7架构支持并修复 zeroconf 发现2.3.1 新增sentence_silence选项并补充大量多语言声音2.3.2 将基础镜像从 Debian bookworm 迁移至 trixie2.3.3 一次性新增意大利语、孟加拉语、捷克语、希伯来语、亚美尼亚语、日语、韩语、马拉地语、乌尔都语等 9 种语言声音2.3.4 禁用 ONNX Runtime 遥测。2.5.2 转折点这是当前仓库的最新版本也是功能密度最高的一次发布——引入可选功能包packs机制、Web 语音管理界面、omnivoice实验性后端并重构了健康检查与备份策略。二、2.5.2 核心更新之一按需下载的可选功能包机制2.5.2 最根本的架构变化是日语OpenJTalk、泰语TLTK与 OmniVoice 后端不再打包进应用镜像而是按需下载。这一点在 piper/CHANGELOG.md 中明确说明Japanese, Thai and OmniVoice are downloaded when their option is turned on rather than shipped in the app image, which keeps the image at roughly its previous size instead of growing to ~2 GB.为什么这样做这些可选能力对应的 Python 依赖体积巨大合计约 1.5 GB而绝大多数安装根本用不到。与其让所有用户为镜像体积买单不如只让开启对应选项的用户下载。其工程实现在 piper/rootfs/etc/s6-overlay/s6-rc.d/packs/run 中启动时根据配置安装所选功能包安装进容器自身的 site-packages使用uv作为包管理工具UV_CACHE_DIR/data/uv-cache缓存持久化在/data关键技巧是UV_LINK_MODEsymlinkuv 默认的 hardlink 模式在不同挂载点之间会退化为全量复制导致每个功能包在缓存和安装目录各占一份空间改用 symlink 后安装出来的目录只是一堆符号链接几 MB真正占磁盘空间的只有缓存缓存带系列标识.series文件内容为python主.次 wyoming-piper主.次当 Python 解释器或 wyoming-piper 跨大版本升级时自动丢弃缓存避免缓存无限增长。离线恢复与失败容忍packs/run中的install_pack()函数采用先离线、后联网策略重启时优先尝试uv pip install --offline从缓存恢复避免无谓的网络往返也能在断网环境下正常恢复只有缓存缺失时才走在线安装。任何一个功能包安装失败都不会让应用启动失败|| true兜底因为该包是否真的必需取决于后端与声音配置最终由 Piper 服务在启动时检查并给出明确报错。三个功能包的安装细节日语OpenJTalkenable_japanese开启后安装piper-tts[ja]首次下载约 350 MB泰语TLTKenable_thai开启后安装piper-tts[th]以及requests因为tltk引用了requests却未声明依赖首次下载约 390 MBOmniVoice分三步安装——先从 PyTorch CPU 索引安装torch/torchaudio避免 PyPI 默认 wheel 携带约 2.7 GB 从未被加载的 CUDA 库再安装wyoming-piper[omnivoice-deps]依赖集排除仅用于演示与训练的 gradio、librosa、webdataset、tensorboardx最后--no-deps安装omnivoice本体。三、2.5.2 核心更新之二双后端架构与backend选项2.5.2 新增backend配置项用于在piper默认与omnivoice实验性两个 TTS 引擎之间切换piper速度快在 Raspberry Pi 上也能流畅运行使用voice选项列出的 Piper 声音omnivoice实验性后端。音质显著更高、支持的语言更多、可从短录音克隆声音但速度慢得多真正需要桌面级或服务器级 CPU在aarch64上会给出警告并运行但慢到基本不可用。OmniVoice 不属于应用镜像首次启动选择该后端时会下载一个数 GB 的模型Home Assistant 中应用会长时间处于不可用状态后续启动会复用下载无需重新等待。两个后端的声音列表相互独立切换后端后必须重新加载 Wyoming 集成才能刷新声音列表。源码中的后端分流逻辑piper/rootfs/etc/s6-overlay/s6-rc.d/piper/run 清晰地展示了后端分流若backend为omnivoice先检查omnivoice模块是否可导入不可用则直接报错退出并提示设置 backend 回 piper 或检查上方下载日志随后追加--backend omnivoice --omnivoice-steps 值参数此时 Piper 专用的合成参数voice/speaker/length_scale 等被忽略若backend为piper先根据配置的voice前缀判断是否需要日语/泰语 phonemizer——ja_*/ja-*需要pyopenjtalk对应enable_japaneseth_*/th-*需要tltk对应enable_thai缺失时直接报错并明确提示需要开启哪个选项而不是等到首次朗读时输出静音随后追加全部 Piper 合成参数并在update_voices开启时追加--update-voices。值得注意的是--omnivoice-ref-dir /data/omnivoice_voices对两个后端都会传递因此即使当前使用 Piper 后端Web 界面依然可以管理 OmniVoice 克隆声音。omnivoice_steps质量与速度的权衡omnivoice_steps控制 OmniVoice 后端的解码步数步数越少越快、越多音质越好默认 32 是稳妥选择低至 10 仍能保持清晰。该选项仅对omnivoice后端生效piper后端会忽略它。Schema 定义为int(1,)即最小值为 1。四、2.5.2 核心更新之三Web 语音管理界面2.5.2 为应用新增了一个小型 Web 语音管理界面通过应用页面的Open Web UI按钮ingress访问。其安全性设计在 piper/rootfs/etc/s6-overlay/s6-rc.d/piper/run 中有明确体现Web 服务监听0.0.0.0:8099ingress_port: 8099端口刻意不在 piper/config.yaml 中对外发布通过--web-server-allow 172.30.32.2将访问来源限制为 Home Assistant ingress 代理的固定地址同 Docker 网络上的其他应用会被拒绝访问过程经过 Home Assistant 且要求管理员权限界面自身不提供独立认证。界面两大功能区Piper 区上传与删除自定义 Piper 声音一个voice.onnx模型文件 对应的voice.onnx.json配置文件OmniVoice 区上传一段参考录音WAV 文件及其转写文本生成克隆声音。应用自身会自动感知声音的增删但 Home Assistant 会缓存声音列表所以新增声音后必须重新加载 Wyoming 集成才能看到。/share/piper目录中的声音会显示在列表中但因该目录以只读方式挂载无法通过界面删除需要直接操作文件。五、2.5.2 核心更新之四备份策略与健康检查重构2.5.2 对哪些数据进入备份做了根本性调整。此前声音模型因只是可重新下载的副本而被排除在备份之外但 Web 界面现在支持上传与删除声音装了什么声音已成为用户自己的选择且上传的声音在别处不存在。因此 piper/config.yaml 中的backup_exclude只排除三类真正可丢弃的缓存*.onnx.dataOmniVoice 模型权重约 632 MB旁边 1.5 MB 的图文件会保留但后端同时需要两者恢复时没有权重就重新下载*/hubHuggingFace 缓存HF_HOME指向/data模型落在/data/hub*/uv-cache可选功能包的 wheel 缓存按需重建。与此同时健康检查从裸端口探测升级为Wyoming Describe/Info 往返piper/Dockerfile 中HEALTHCHECK使用wyoming_piper.health_check模块对tcp://127.0.0.1:10200发起 Describe/Info 请求--start-period30m给了首次启动可能含大模型下载长达 30 分钟的宽限期。这种检查方式对omnivoice后端同样有效能真实反映服务是否可用。六、配置参数全解析以下参数均定义于 piper/config.yaml默认值与类型说明如下参数默认值类型说明backendpiperlist(piper\|omnivoice)TTS 引擎见上文双后端详解voiceen_US-lessac-medium声音列表Piper 声音名OmniVoice 后端忽略此参数speaker0int多说话人声音的说话人编号默认第 0 号length_scale1.0float语速缩放1.0 为默认语速1.0 更快1.0 更慢noise_scale0.667float生成时注入噪声的强度控制音频可变性0 消除可变性1 开始劣化音质noise_w0.333float说话节奏音素时长的可变性0 消除变化1 产生严重口吃与停顿sentence_silence0.0float每个句子之后追加的静音秒数omnivoice_steps32int(1,)OmniVoice 解码步数仅该后端生效enable_japanesefalsebool下载日语 phonemizer约 350 MB开启后日语声音才会出现enable_thaifalsebool下载泰语 phonemizer约 390 MB开启后泰语声音才会出现debug_loggingfalsebool在应用日志中输出 DEBUG 级别消息update_voicestruebool每次启动自动下载新声音列表需重新加载 Wyoming 集成才能看到新声音声音命名规则与质量档位声音按language_REGION-name-quality规则命名name来自训练数据集名称或说话人姓名。质量档位共 4 级源自 piper/DOCS.mdx_low16 kHz最小最快low16 kHz快medium22.05 kHz较慢但音质更好high22.05 kHz最慢但音质最佳。在 Raspberry Pi 4 上medium及以下档位可以流畅运行若不追求音质low/x_low会明显快于medium。完整声音列表覆盖 60 语言区域、数百个声音含新增的et_EE-news-medium、th_TH-tsync2-medium以及 2.3.3 批次新增的意大利语、孟加拉语、日语、韩语等可查阅 piper/config.yaml 的schema.voice定义各配置项的用户界面文案见 piper/translations/en.yaml。日语/泰语选项的启动期检查开启enable_japanese或enable_thai后首次启动会因下载 phonemizer 而明显变长后续启动复用/data中的缓存。若应用自身voice配置为日语或泰语声音但对应选项未开启应用会在启动时直接停止并明确提示需要开启哪个选项见piper/run中的case ${voice}分支而不是静默输出无声音频——这修复了旧版本声音被提供但产生静音的问题。七、安装与接入 Home Assistant安装步骤源自 piper/DOCS.md在 Home Assistant 中进入设置 应用 安装应用找到 Piper 应用并点击点击 INSTALL 按钮安装。应用安装并运行后piper/rootfs/etc/s6-overlay/s6-rc.d/discovery/run 会等待 Piper 在tcp://hostname:10200就绪然后通过bashio::discovery wyoming向 Home Assistant 发送发现信息piper/config.yaml 中discovery: wyomingWyoming 集成会自动发现 Piper。之后在 Wyoming 集成中选择 Piper即可在 Assist 语音管道中使用该 TTS。应用架构仅支持amd64与aarch64README 徽章与 config 的arch字段一致。八、自定义声音Piper 与 OmniVoice 两种范式2.5.2 把自定义声音提升为一等公民且区分了两套完全不同的机制自定义 Piper 声音将voice.onnx与voice.onnx.json放入/share/piper目录此能力自 1.3.2 起支持或通过 Web 界面上传。piper/run通过--data-dir /data --data-dir /share/piper将两处都注册为数据目录自定义 OmniVoice 克隆声音存放于/data/omnivoice_voices按language/voice_name/组织每个声音是一个参考录音ref.wav加上转写文本ref.txt由 OmniVoice 据此克隆。每种语言始终有一个default声音使用 OmniVoice 内置说话人因此克隆声音是可选的。该目录中的声音同样纳入备份。九、可靠性与遥测2.3.4 与更早版本的工程细节值得单独说明的是 piper/Dockerfile 中的ENV ORT_DISABLE_TELEMETRY1。2.3.3 重建时引入的 onnxruntime 1.29.0 默认在 Linux 上启用遥测会把使用事件和持久化设备标识上传到 Microsoft 端点2.3.4 通过该环境变量将其禁用属于隐私相关的主动修复。此外2.5.2 修复了中断的声音下载在下次启动时自动重试而不是留下损坏的截断文件以及合成失败时报告原因而非返回空音频两个可靠性问题2.1.1 移除streaming/max_piper_procs选项说明流式输出已成为默认行为进程数由 wyoming-piper 自动管理。十、总结Piper 2.5.2 已经不是单纯的 TTS 应用而是一个具备平台化架构的语音服务通过可选功能包机制在镜像体积与功能丰富度之间取得平衡通过 Web 界面将声音管理权交给用户通过omnivoice后端提供了实验性的高音质克隆能力。对于开发者而言piper/rootfs/etc/s6-overlay/s6-rc.d/packs/run 的 uv 缓存与符号链接方案、piper/rootfs/etc/s6-overlay/s6-rc.d/piper/run 的双后端分流与启动期依赖检查都是值得借鉴的容器应用工程实践。实际部署时只需记住几个关键动作切换后端或新增声音后重新加载 Wyoming 集成、日语/泰语声音需先开启对应选项、备份会自动包含自定义声音而排除可重新下载的大缓存。赞分享智能家居物联网【免费下载链接】addons:heavy_plus_sign: Docker add-ons for Home Assistant项目地址https://gitcode.com/GitHub_Trending/add/addons点击查看免费下载相关推荐speech-to-speech 如何用 OmniVoice 后端配置参考音频做语音克隆speech to speech 如何用 OmniVoice 后端配置参考音频做语音克隆 speech to speech 是一个用开源模型搭建语音助手的流水人工智能大模型语音音频AI 应用本地部署后端ChatDev语音合成文本转语音与语音克隆实战指南ChatDev语音合成文本转语音与语音克隆实战指南 痛点与解决方案 你是否曾经遇到过这样的困境想要为你的应用程序添加语音功能却苦于复杂的语音合成AP人工智能AI Agent多智能体Agent 工作流后端前端低代码Taro.js与Three.js对比分析为什么选择这个轻量级Web游戏引擎Taro.js与Three.js对比分析为什么选择这个轻量级Web游戏引擎 Taro.js是一个轻量级Web 3D游戏引擎它基于Three.js构建并进行上一篇Salt 的 xml 执行模块用 XML 路径表达式读写配置文件下一篇Project Instructions创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Piper Home Assistant 语音合成应用 2.5.2 深度解析：可选语音包、Web 语音管理与 OmniVoice 克隆后端
智能家居物联网【免费下载链接】addons:heavy_plus_sign: Docker add-ons for Home Assistant项目地址https://gitcode.com/GitHub_Trending/add/addons点击查看免费下载Piper 是 Home Assistant 生态中基于 piper 为主线结合 piper/DOCS.md、piper/config.yaml、piper/Dockerfile 及 s6-overlay 启动脚本完整解析 2.5.2 版本引入的按需下载语音包 Web 语音管理界面 双后端切换三大能力并带你掌握全部配置参数与底层实现原理能够独立完成 Piper 的安装、调优与自定义语音管理。一、版本演进脉络从基础 TTS 到多后端语音平台Piper 应用自 0.1.0 初版发布以来其演进轨迹清晰反映了 Home Assistant Year of Voice语音之年的路线图。通过 piper/CHANGELOG.md 可以梳理出几个关键里程碑0.1.x 起步期0.1.0 完成初版发布0.1.1 启用 Wyoming 协议发现discovery使 Home Assistant 能自动发现服务0.1.3 修复多行输入、增加下载声音时的哈希校验并新增冰岛语、俄语声音。1.x 成熟期1.2.0 升级至 Piper 1.2新增 30 声音并确立了language_REGION-name-quality的声音命名格式声音统一从 HuggingFacerhasspy/piper-voices自动下载1.3.2 支持在/share/piper目录放置自定义声音新增upgrade_voices与debug_logging选项1.6.0 支持在句边界进行音频流式输出。2.x 平台化2.1.1 默认启用流式输出移除streaming选项、移除max_piper_procs选项、放弃armv7架构支持并修复 zeroconf 发现2.3.1 新增sentence_silence选项并补充大量多语言声音2.3.2 将基础镜像从 Debian bookworm 迁移至 trixie2.3.3 一次性新增意大利语、孟加拉语、捷克语、希伯来语、亚美尼亚语、日语、韩语、马拉地语、乌尔都语等 9 种语言声音2.3.4 禁用 ONNX Runtime 遥测。2.5.2 转折点这是当前仓库的最新版本也是功能密度最高的一次发布——引入可选功能包packs机制、Web 语音管理界面、omnivoice实验性后端并重构了健康检查与备份策略。二、2.5.2 核心更新之一按需下载的可选功能包机制2.5.2 最根本的架构变化是日语OpenJTalk、泰语TLTK与 OmniVoice 后端不再打包进应用镜像而是按需下载。这一点在 piper/CHANGELOG.md 中明确说明Japanese, Thai and OmniVoice are downloaded when their option is turned on rather than shipped in the app image, which keeps the image at roughly its previous size instead of growing to ~2 GB.为什么这样做这些可选能力对应的 Python 依赖体积巨大合计约 1.5 GB而绝大多数安装根本用不到。与其让所有用户为镜像体积买单不如只让开启对应选项的用户下载。其工程实现在 piper/rootfs/etc/s6-overlay/s6-rc.d/packs/run 中启动时根据配置安装所选功能包安装进容器自身的 site-packages使用uv作为包管理工具UV_CACHE_DIR/data/uv-cache缓存持久化在/data关键技巧是UV_LINK_MODEsymlinkuv 默认的 hardlink 模式在不同挂载点之间会退化为全量复制导致每个功能包在缓存和安装目录各占一份空间改用 symlink 后安装出来的目录只是一堆符号链接几 MB真正占磁盘空间的只有缓存缓存带系列标识.series文件内容为python主.次 wyoming-piper主.次当 Python 解释器或 wyoming-piper 跨大版本升级时自动丢弃缓存避免缓存无限增长。离线恢复与失败容忍packs/run中的install_pack()函数采用先离线、后联网策略重启时优先尝试uv pip install --offline从缓存恢复避免无谓的网络往返也能在断网环境下正常恢复只有缓存缺失时才走在线安装。任何一个功能包安装失败都不会让应用启动失败|| true兜底因为该包是否真的必需取决于后端与声音配置最终由 Piper 服务在启动时检查并给出明确报错。三个功能包的安装细节日语OpenJTalkenable_japanese开启后安装piper-tts[ja]首次下载约 350 MB泰语TLTKenable_thai开启后安装piper-tts[th]以及requests因为tltk引用了requests却未声明依赖首次下载约 390 MBOmniVoice分三步安装——先从 PyTorch CPU 索引安装torch/torchaudio避免 PyPI 默认 wheel 携带约 2.7 GB 从未被加载的 CUDA 库再安装wyoming-piper[omnivoice-deps]依赖集排除仅用于演示与训练的 gradio、librosa、webdataset、tensorboardx最后--no-deps安装omnivoice本体。三、2.5.2 核心更新之二双后端架构与backend选项2.5.2 新增backend配置项用于在piper默认与omnivoice实验性两个 TTS 引擎之间切换piper速度快在 Raspberry Pi 上也能流畅运行使用voice选项列出的 Piper 声音omnivoice实验性后端。音质显著更高、支持的语言更多、可从短录音克隆声音但速度慢得多真正需要桌面级或服务器级 CPU在aarch64上会给出警告并运行但慢到基本不可用。OmniVoice 不属于应用镜像首次启动选择该后端时会下载一个数 GB 的模型Home Assistant 中应用会长时间处于不可用状态后续启动会复用下载无需重新等待。两个后端的声音列表相互独立切换后端后必须重新加载 Wyoming 集成才能刷新声音列表。源码中的后端分流逻辑piper/rootfs/etc/s6-overlay/s6-rc.d/piper/run 清晰地展示了后端分流若backend为omnivoice先检查omnivoice模块是否可导入不可用则直接报错退出并提示设置 backend 回 piper 或检查上方下载日志随后追加--backend omnivoice --omnivoice-steps 值参数此时 Piper 专用的合成参数voice/speaker/length_scale 等被忽略若backend为piper先根据配置的voice前缀判断是否需要日语/泰语 phonemizer——ja_*/ja-*需要pyopenjtalk对应enable_japaneseth_*/th-*需要tltk对应enable_thai缺失时直接报错并明确提示需要开启哪个选项而不是等到首次朗读时输出静音随后追加全部 Piper 合成参数并在update_voices开启时追加--update-voices。值得注意的是--omnivoice-ref-dir /data/omnivoice_voices对两个后端都会传递因此即使当前使用 Piper 后端Web 界面依然可以管理 OmniVoice 克隆声音。omnivoice_steps质量与速度的权衡omnivoice_steps控制 OmniVoice 后端的解码步数步数越少越快、越多音质越好默认 32 是稳妥选择低至 10 仍能保持清晰。该选项仅对omnivoice后端生效piper后端会忽略它。Schema 定义为int(1,)即最小值为 1。四、2.5.2 核心更新之三Web 语音管理界面2.5.2 为应用新增了一个小型 Web 语音管理界面通过应用页面的Open Web UI按钮ingress访问。其安全性设计在 piper/rootfs/etc/s6-overlay/s6-rc.d/piper/run 中有明确体现Web 服务监听0.0.0.0:8099ingress_port: 8099端口刻意不在 piper/config.yaml 中对外发布通过--web-server-allow 172.30.32.2将访问来源限制为 Home Assistant ingress 代理的固定地址同 Docker 网络上的其他应用会被拒绝访问过程经过 Home Assistant 且要求管理员权限界面自身不提供独立认证。界面两大功能区Piper 区上传与删除自定义 Piper 声音一个voice.onnx模型文件 对应的voice.onnx.json配置文件OmniVoice 区上传一段参考录音WAV 文件及其转写文本生成克隆声音。应用自身会自动感知声音的增删但 Home Assistant 会缓存声音列表所以新增声音后必须重新加载 Wyoming 集成才能看到。/share/piper目录中的声音会显示在列表中但因该目录以只读方式挂载无法通过界面删除需要直接操作文件。五、2.5.2 核心更新之四备份策略与健康检查重构2.5.2 对哪些数据进入备份做了根本性调整。此前声音模型因只是可重新下载的副本而被排除在备份之外但 Web 界面现在支持上传与删除声音装了什么声音已成为用户自己的选择且上传的声音在别处不存在。因此 piper/config.yaml 中的backup_exclude只排除三类真正可丢弃的缓存*.onnx.dataOmniVoice 模型权重约 632 MB旁边 1.5 MB 的图文件会保留但后端同时需要两者恢复时没有权重就重新下载*/hubHuggingFace 缓存HF_HOME指向/data模型落在/data/hub*/uv-cache可选功能包的 wheel 缓存按需重建。与此同时健康检查从裸端口探测升级为Wyoming Describe/Info 往返piper/Dockerfile 中HEALTHCHECK使用wyoming_piper.health_check模块对tcp://127.0.0.1:10200发起 Describe/Info 请求--start-period30m给了首次启动可能含大模型下载长达 30 分钟的宽限期。这种检查方式对omnivoice后端同样有效能真实反映服务是否可用。六、配置参数全解析以下参数均定义于 piper/config.yaml默认值与类型说明如下参数默认值类型说明backendpiperlist(piper\|omnivoice)TTS 引擎见上文双后端详解voiceen_US-lessac-medium声音列表Piper 声音名OmniVoice 后端忽略此参数speaker0int多说话人声音的说话人编号默认第 0 号length_scale1.0float语速缩放1.0 为默认语速1.0 更快1.0 更慢noise_scale0.667float生成时注入噪声的强度控制音频可变性0 消除可变性1 开始劣化音质noise_w0.333float说话节奏音素时长的可变性0 消除变化1 产生严重口吃与停顿sentence_silence0.0float每个句子之后追加的静音秒数omnivoice_steps32int(1,)OmniVoice 解码步数仅该后端生效enable_japanesefalsebool下载日语 phonemizer约 350 MB开启后日语声音才会出现enable_thaifalsebool下载泰语 phonemizer约 390 MB开启后泰语声音才会出现debug_loggingfalsebool在应用日志中输出 DEBUG 级别消息update_voicestruebool每次启动自动下载新声音列表需重新加载 Wyoming 集成才能看到新声音声音命名规则与质量档位声音按language_REGION-name-quality规则命名name来自训练数据集名称或说话人姓名。质量档位共 4 级源自 piper/DOCS.mdx_low16 kHz最小最快low16 kHz快medium22.05 kHz较慢但音质更好high22.05 kHz最慢但音质最佳。在 Raspberry Pi 4 上medium及以下档位可以流畅运行若不追求音质low/x_low会明显快于medium。完整声音列表覆盖 60 语言区域、数百个声音含新增的et_EE-news-medium、th_TH-tsync2-medium以及 2.3.3 批次新增的意大利语、孟加拉语、日语、韩语等可查阅 piper/config.yaml 的schema.voice定义各配置项的用户界面文案见 piper/translations/en.yaml。日语/泰语选项的启动期检查开启enable_japanese或enable_thai后首次启动会因下载 phonemizer 而明显变长后续启动复用/data中的缓存。若应用自身voice配置为日语或泰语声音但对应选项未开启应用会在启动时直接停止并明确提示需要开启哪个选项见piper/run中的case ${voice}分支而不是静默输出无声音频——这修复了旧版本声音被提供但产生静音的问题。七、安装与接入 Home Assistant安装步骤源自 piper/DOCS.md在 Home Assistant 中进入设置 应用 安装应用找到 Piper 应用并点击点击 INSTALL 按钮安装。应用安装并运行后piper/rootfs/etc/s6-overlay/s6-rc.d/discovery/run 会等待 Piper 在tcp://hostname:10200就绪然后通过bashio::discovery wyoming向 Home Assistant 发送发现信息piper/config.yaml 中discovery: wyomingWyoming 集成会自动发现 Piper。之后在 Wyoming 集成中选择 Piper即可在 Assist 语音管道中使用该 TTS。应用架构仅支持amd64与aarch64README 徽章与 config 的arch字段一致。八、自定义声音Piper 与 OmniVoice 两种范式2.5.2 把自定义声音提升为一等公民且区分了两套完全不同的机制自定义 Piper 声音将voice.onnx与voice.onnx.json放入/share/piper目录此能力自 1.3.2 起支持或通过 Web 界面上传。piper/run通过--data-dir /data --data-dir /share/piper将两处都注册为数据目录自定义 OmniVoice 克隆声音存放于/data/omnivoice_voices按language/voice_name/组织每个声音是一个参考录音ref.wav加上转写文本ref.txt由 OmniVoice 据此克隆。每种语言始终有一个default声音使用 OmniVoice 内置说话人因此克隆声音是可选的。该目录中的声音同样纳入备份。九、可靠性与遥测2.3.4 与更早版本的工程细节值得单独说明的是 piper/Dockerfile 中的ENV ORT_DISABLE_TELEMETRY1。2.3.3 重建时引入的 onnxruntime 1.29.0 默认在 Linux 上启用遥测会把使用事件和持久化设备标识上传到 Microsoft 端点2.3.4 通过该环境变量将其禁用属于隐私相关的主动修复。此外2.5.2 修复了中断的声音下载在下次启动时自动重试而不是留下损坏的截断文件以及合成失败时报告原因而非返回空音频两个可靠性问题2.1.1 移除streaming/max_piper_procs选项说明流式输出已成为默认行为进程数由 wyoming-piper 自动管理。十、总结Piper 2.5.2 已经不是单纯的 TTS 应用而是一个具备平台化架构的语音服务通过可选功能包机制在镜像体积与功能丰富度之间取得平衡通过 Web 界面将声音管理权交给用户通过omnivoice后端提供了实验性的高音质克隆能力。对于开发者而言piper/rootfs/etc/s6-overlay/s6-rc.d/packs/run 的 uv 缓存与符号链接方案、piper/rootfs/etc/s6-overlay/s6-rc.d/piper/run 的双后端分流与启动期依赖检查都是值得借鉴的容器应用工程实践。实际部署时只需记住几个关键动作切换后端或新增声音后重新加载 Wyoming 集成、日语/泰语声音需先开启对应选项、备份会自动包含自定义声音而排除可重新下载的大缓存。赞分享智能家居物联网【免费下载链接】addons:heavy_plus_sign: Docker add-ons for Home Assistant项目地址https://gitcode.com/GitHub_Trending/add/addons点击查看免费下载相关推荐speech-to-speech 如何用 OmniVoice 后端配置参考音频做语音克隆speech to speech 如何用 OmniVoice 后端配置参考音频做语音克隆 speech to speech 是一个用开源模型搭建语音助手的流水人工智能大模型语音音频AI 应用本地部署后端ChatDev语音合成文本转语音与语音克隆实战指南ChatDev语音合成文本转语音与语音克隆实战指南 痛点与解决方案 你是否曾经遇到过这样的困境想要为你的应用程序添加语音功能却苦于复杂的语音合成AP人工智能AI Agent多智能体Agent 工作流后端前端低代码Taro.js与Three.js对比分析为什么选择这个轻量级Web游戏引擎Taro.js与Three.js对比分析为什么选择这个轻量级Web游戏引擎 Taro.js是一个轻量级Web 3D游戏引擎它基于Three.js构建并进行上一篇Salt 的 xml 执行模块用 XML 路径表达式读写配置文件下一篇Project Instructions创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考