Chatterbox TTS API 容器化部署指南

本文详细介绍如何使用 Docker 和 Docker Compose v2 部署 Chatterbox TTS API 项目，这是一个基于 FastAPI 的文本转语音服务。

项目概述

Chatterbox TTS API 是一个高性能的文本转语音(TTS)服务，具有以下特点：

• 基于 FastAPI 框架构建，提供高性能 API 服务
• 支持多种部署方式，包括标准 CPU 和 GPU 加速版本
• 提供丰富的语音参数配置选项
• 支持容器化部署，便于在不同环境中运行

环境准备

基础要求

• Docker Engine 20.10 或更高版本
• Docker Compose v2（通常随 Docker Desktop 一起安装）
• 至少 4GB 内存（推荐 8GB 或更多）
• 可选：NVIDIA GPU 支持（可显著提升性能）

GPU 支持配置（仅限 Linux）

如需使用 NVIDIA GPU 加速，需先安装 NVIDIA Container Toolkit：

# 添加 NVIDIA 容器工具包仓库
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
  sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# 安装工具包
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

快速开始

推荐方式：使用 Docker Compose

1. 准备环境文件

# 复制 Docker 专用的环境配置文件
cp .env.example.docker .env

2. 选择适合的 Compose 配置启动

项目提供了多种 Compose 配置，适应不同场景：

# 标准配置（自动检测设备）
docker compose up -d

# UV 优化配置（构建更快，依赖更优）
docker compose -f docker-compose.uv.yml up -d

# GPU 优化配置（传统 pip + NVIDIA GPU）
docker compose -f docker-compose.gpu.yml up -d

# UV + GPU 双优化配置（最快构建 + GPU 加速）
docker compose -f docker-compose.uv.gpu.yml up -d

# 纯 CPU 配置（强制 CPU，无 GPU 依赖）
docker compose -f docker-compose.cpu.yml up -d

3. 测试 API 服务

curl -X POST http://localhost:4123/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"input": "你好，这是来自 Docker 的测试！"}' \
  --output test.wav

4. 访问 API 文档

服务启动后，可以通过以下地址访问 API 文档：

• Swagger UI 交互文档：http://localhost:4123/docs
• ReDoc 文档：http://localhost:4123/redoc

配置详解

环境变量配置

项目提供了两个环境文件模板：

• .env.example.docker：专为 Docker 容器配置，使用容器内路径
• .env.example：本地开发配置，使用相对路径

关键环境变量说明：

变量名	默认值	说明
PORT	4123	API 服务端口
EXAGGERATION	0.5	情感强度 (0.25-2.0)
CFG_WEIGHT	0.5	语速控制 (0.0-1.0)
TEMPERATURE	0.8	采样温度 (0.05-5.0)
DEVICE	auto	运行设备: auto/cuda/mps/cpu
MAX_CHUNK_LENGTH	280	每段文本最大字符数

语音样本配置

有三种方式配置语音样本：

1. 默认方式：将语音文件放在项目根目录下，命名为 voice-sample.mp3

2. 自定义路径：通过环境变量指定路径

VOICE_SAMPLE_PATH=/app/voice-samples/custom-voice.mp3
VOICE_SAMPLE_HOST_PATH=./my-voices/custom-voice.mp3

3. 多语音样本：创建语音样本目录并挂载

mkdir voice-samples
cp voice1.mp3 voice2.mp3 voice-samples/

然后在环境变量中配置：

VOICE_SAMPLES_DIR=./voice-samples

高级部署方案

生产环境配置示例

services:
  chatterbox-tts:
    image: chatterbox-tts:latest
    restart: always
    ports:
      - '4123:4123'
    environment:
      - EXAGGERATION=0.5
      - CFG_WEIGHT=0.5
    volumes:
      - ./voice-sample.mp3:/app/voice-sample.mp3:ro
      - chatterbox-models:/cache
    deploy:
      resources:
        limits:
          memory: 8G
        reservations:
          memory: 4G

多实例负载均衡

services:
  chatterbox-tts-1:
    build: .
    ports:
      - '4123:4123'
    # ... 其他配置

  chatterbox-tts-2:
    build: .
    ports:
      - '5124:4123'
    # ... 其他配置

  nginx:
    image: nginx:alpine
    ports:
      - '80:80'
    volumes:
      - ./nginx.conf:/etc/nginx/nginx.conf
    depends_on:
      - chatterbox-tts-1
      - chatterbox-tts-2

监控与维护

查看日志

# 实时日志
docker compose logs -f chatterbox-tts

# 查看最后100行日志
docker compose logs --tail=100 chatterbox-tts

健康检查

# 检查容器状态
docker compose ps

# 手动健康检查
curl http://localhost:4123/health

# 获取当前配置
curl http://localhost:4123/config

资源监控

# 容器资源使用情况
docker stats chatterbox-tts-api

# 详细容器信息
docker inspect chatterbox-tts-api

常见问题排查

模型下载失败

# 检查容器内网络连接
docker compose exec chatterbox-tts curl -I https://huggingface.co

# 清除模型缓存并重建
docker volume rm chatterbox_chatterbox-models
docker compose up --build

内存不足

# 检查内存使用情况
docker stats

# 切换到 CPU 模式并减少内存需求
echo 'DEVICE=cpu' >> .env
echo 'MAX_CHUNK_LENGTH=200' >> .env
docker compose up -d

GPU 未被检测到

# 验证 NVIDIA 运行时
docker run --rm --gpus all nvidia/cuda:11.8-base-ubuntu20.04 nvidia-smi

# 检查容器内 GPU 可用性
docker compose exec chatterbox-tts python -c "import torch; print(torch.cuda.is_available())"

性能优化建议

CPU 专用系统优化

DEVICE=cpu
MAX_CHUNK_LENGTH=200  # 减小文本块大小
TEMPERATURE=0.6       # 降低随机性

GPU 系统优化

DEVICE=cuda
MAX_CHUNK_LENGTH=300  # 可处理更大的文本块

更快的语音生成

CFG_WEIGHT=0.3        # 更快的语速
TEMPERATURE=0.5       # 更确定性的输出

安全注意事项

生产环境安全配置

# 禁用调试模式
UVICORN_LOG_LEVEL=info

# 仅绑定到本地接口
HOST=127.0.0.1

# 使用 Docker secrets 管理敏感配置
VOICE_SAMPLE_PATH=/run/secrets/voice_sample

Docker secrets 示例

services:
  chatterbox-tts:
    secrets:
      - voice_sample
    environment:
      - VOICE_SAMPLE_PATH=/run/secrets/voice_sample

secrets:
  voice_sample:
    file: ./secrets/voice-sample.mp3

扩展与定制

自定义 Dockerfile

FROM chatterbox-tts:latest

# 添加自定义中间件
COPY custom_middleware.py /app/
ENV PYTHONPATH="/app:$PYTHONPATH"

# 自定义 uvicorn 设置
ENV UVICORN_WORKERS=1
ENV UVICORN_LOG_LEVEL=info

多架构构建

# 创建构建器
docker buildx create --use

# 构建多平台镜像
docker buildx build --platform linux/amd64,linux/arm64 -t chatterbox-tts:multi .

测试策略

API 测试

# 运行测试套件
docker compose exec chatterbox-tts python tests/test_api.py

# 测试文档端点
docker compose exec chatterbox-tts python -c "
import requests
resp = requests.get('http://localhost:4123/docs')
print(f'文档状态: {resp.status_code}')
"

性能测试

# 并发请求测试
for i in {1..10}; do
  curl -X POST http://localhost:4123/v1/audio/speech \
    -H "Content-Type: application/json" \
    -d '{"input": "性能测试 '$i'"}' \
    --output test_$i.wav &
done
wait

从 Flask 迁移到 FastAPI 的注意事项

如果从 Flask 版本升级，需要注意以下变化：

1. 启动命令变更：

   • 旧版：CMD ["python", "api.py"] (Flask)
   • 新版：CMD ["python", "main.py"] (FastAPI with uvicorn)

2. 依赖变更：

   • 移除：flask
   • 新增：fastapi, uvicorn[standard], pydantic

3. 新特性：

   • 交互式 API 文档 (/docs)
   • 替代文档 (/redoc)
   • OpenAPI 模式 (/openapi.json)
   • 更好的异步性能
   • 自动请求验证

兼容性方面，所有现有 API 端点保持相同的工作方式和请求/响应格式，性能提升约 25-40%。