【自部署】TTS文本轉語音大模型（docker一鍵使用）（支持ARM64）

眾所周知，阿里開源的Cosyvoice文本轉語音大模型的效果非常的不錯，

我也把玩了很久undefined

但苦於沒有高性能的顯卡（租的卡總有一種緊迫感，用得不舒坦undefined  ），所以寫了個純CPU運行的版本。

相較於官方原版：

CPU推理時 原版   精簡後
內存佔用   4G+   4G+
硬盤佔用   20G+   8.93G
速度相同   50s/it   50s/it

對於原版，做了以下處理：

1. 剔除不必要的Python環境依賴和模型文件，硬盤佔用減少10G

2. 基於python:3.10-slim鏡像（裸鏡像僅43M大小），並且使用Docker打包，系統更輕量的同時，不會遇到安裝報錯、版本不兼容、網絡錯誤等等等等問題，小白也能輕鬆部署。

3. 重寫了WebUI，（原版UI僅供測試使用，並且解決了第一次生成時，無法獲取音頻的問題），步驟指導更清晰！

---

硬件要求：
- 物理內存推薦 8G，不夠的話再加swap緩存也能跑，但是慢。
- 硬盤剩餘空間大於 10G
- 流量消耗大約 10G
- CPU在推理時，會滿載95%+（注意vps商家有無限制）

---

好了，說了那麼多，下面就是詳細步驟了：
第一步：將下面內容保存為docker-compose.yml

1. services:
   
2.   cov:
   
3.     image: eureka6688/cosyvoice:latest # arm架構請將＂latest＂替換成＂arm＂
   
4.     container_name: cov
   
5.     ports:
   
6.       - "50000:50000"
   
7.     command: ["python", "web.py", "--port", "50000"]
   
8.     stdin_open: true
   
9.     tty: true
   
10.     restart: unless-stopped

複製代碼

第二步：在保存docker-compose.yml的目錄下運行以下命令

1. docker compose up -d

複製代碼

等待10分鐘，也許更久，就能夠在 http://localhost:50000 訪問到web服務界面了

沒錯，就這麼簡單！

接下來用nginx反代使用也好，ssh隧道轉發到本地使用也可以，甚至可以直接打開防火牆50000端口，再通過公網IP+50000端口訪問都沒問題（注意網絡安全！）

演示效果：

遊客，如果您要查看本帖隱藏內容請回復

https://github.com/FunAudioLLM/CosyVoice

構建arm的話，得修改代碼，因為源項目沒有提供arm的依賴工具，所以我這套在arm系統下也是編譯構建不成功的。

源碼的話，就一個Dockerfile，和一些配置。
arm版完整docker-compose.yml如下：

1. services:
   
2.   cov:
   
3.     image: eureka6688/cosyvoice:arm
   
4.     container_name: cov
   
5.     ports:
   
6.       - "50000:50000"
   
7.     command: ["python", "web.py", "--port", "50000"]
   
8.     stdin_open: true
   
9.     tty: true
   
10.     restart: unless-stopped

複製代碼

將代碼保存為docker-compose.yml後，在目錄下執行

docker compose up -d

等待10分鐘左右就能在本地50000端口訪問到服務了。