MOSS TTS合成服务

配置要求

建议使用显卡推理，至少2GB显存，建议6GB以上为佳，推理文本越长越消耗显存，过低有溢出风险。

模型下载

下载模型将 moss.pth 和 config.json 两个文件放置到仓库根目录的 model 目录内。

MOSS vits模型 (900 epochs)

创建conda环境

conda create -n moss-tts python=3.8
conda activate moss-tts

安装依赖

pip install -r requirements.txt

如果pytorch依赖和显卡CUDA版本不匹配将导致无法使用GPU加速推理，需要卸载已安装的torch、torchvision、torchaudio后根据pytorch官网选择对应版本的pip安装命令安装。

构建monotonic_align

Windows的二进制文件已经预构建，无需执行此步骤。

cd monotonic_align
mkdir monotonic_align
python setup.py build_ext --inplace
cd ..

webui推理

python webui.py

启动服务

python server.py

调用TTS合成

POST /text_to_speech
{
    "text": "大家好，我是MOSS",
    "speechRate": 1
}