IndexTTS-vLLM 开源项目最佳实践教程
2025-05-17 23:36:26作者:裘晴惠Vivianne
1. 项目介绍
IndexTTS-vLLM 是一个基于 IndexTTS 的开源项目,它在原有基础上使用了 vllm 库重新实现了 gpt 模型的推理,从而显著提高了推理速度。在单卡 RTX 4090 上,单个请求的 RTF (Real-Time Factor) 从约 0.3 降低到约 0.1,单个请求的 gpt 模型 decode 速度从约 90 token/s 提升到约 280 token/s。此外,项目还支持多角色音频混合,使得 TTS 输出的角色声线可以为多个参考音频的混合版本。
2. 项目快速启动
以下是 IndexTTS-vLLM 的快速启动步骤:
首先,克隆项目到本地:
git clone https://github.com/Ksuriuri/index-tts-vllm.git
cd index-tts-vllm
接着,创建并激活 conda 环境:
conda create -n index-tts-vllm python=3.12
conda activate index-tts-vllm
安装 pytorch 2.5.1(对应 vllm 0.7.3):
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
安装项目依赖:
pip install -r requirements.txt
下载模型权重,可以访问 HuggingFace 或 ModelScope 获取。
将 convert_hf_format.sh 中的 MODEL_DIR 修改为模型权重下载路径,然后运行:
bash convert_hf_format.sh
最后,启动 webui:
将 webui.py 中的 model_dir 修改为模型权重下载路径,然后运行:
python webui.py
第一次启动可能会久一些,因为需要对 bigvgan 进行 cuda 核编译。
3. 应用案例和最佳实践
启动 API 服务
使用 fastapi 封装了 api 接口,以下是启动示例:
python api_server.py --model_dir /your/path/to/Index-TTS --port 11996
启动参数说明:
--model_dir: 模型权重下载路径--host: 服务 IP 地址--port: 服务端口
发送请求
以下是一个请求示例:
import requests
url = "http://0.0.0.0:11996/tts_url"
data = {
"text": "还是会想你,还是想登你",
"audio_paths": [
# 支持多参考音频
"audio1.wav",
"audio2.wav"
]
}
response = requests.post(url, json=data)
with open("output.wav", "wb") as f:
f.write(response.content)
并发测试
参考 simple_test.py 进行并发测试,需先启动 API 服务。
4. 典型生态项目
IndexTTS-vLLM 作为一款优秀的开源项目,可以与以下生态项目结合使用:
- IndexTTS: 基础文本转语音项目,提供了丰富的文本转语音功能。
- vllm: 用于加速深度学习模型推理的开源库。
- fastapi: 用于构建 API 服务的现代、快速(高性能)的 Web 框架。
通过结合这些生态项目,可以构建出功能丰富、性能高效的文本转语音应用。
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
249
2.48 K
deepin linux kernel
C
24
6
Ascend Extension for PyTorch
Python
88
119
暂无简介
Dart
548
119
React Native鸿蒙化仓库
JavaScript
217
298
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.02 K
600
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
592
126
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
411
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
356
1.75 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
153
204