English · Norsk bokmål · Polski · 日本語 · 简体中文 · Español

Hangry Labs OmniVoiceTTS

ローカルのブラウザー UI、HTTP API、音声デザイン、音声クローンを備えた、Docker ですぐに実行できる大規模多言語テキスト読み上げ環境です。

この Hangry Labs 版は、ローカル推論を簡単に利用できるように構成されています。コンテナーを 1 つ起動し、UI を開くか API を呼び出すだけで、Python、モデル、ASR、音声ツールを手動設定せずに音声を生成できます。

主な機能

音声の生成、ストリーミング、再生、ダウンロードに対応したローカル UI
OpenAI 互換の /v1/audio/speech と完全なネイティブ API
自動音声、音声デザイン、直接クローン、保存済み音声プロファイル
制御された読み上げと複数話者の会話に対応する標準 SSML および SSML-H
OmniVoice による 600 以上の言語対応
WAV、MP3、FLAC、OGG 出力
ローカル AI エージェント向けの任意の MCP 連携
ダウンロード後にオフラインで使用できる完全版 Docker イメージ

[!IMPORTANT] ソースコードは Apache-2.0 ですが、事前学習済み OmniVoice チェックポイントは上流で CC-BY-NC と説明されており、商用利用は許可されていません。利用または再配布の前にサードパーティー通知を確認してください。

クイックスタート

NVIDIA GPU で完全版イメージを実行します。

docker run --name omnivoicetts --restart unless-stopped -p 7861:7861 --gpus all -e CUDA_VISIBLE_DEVICES=0 -v omnivoicetts_data:/app/persistent hangrylabs/omnivoicetts:latest

このコマンドは 1 行のまま Bash、PowerShell、Windows コマンドプロンプトへ貼り付けられます。名前付きボリュームは Docker が自動的に作成します。

起動後に開くページ:

ブラウザー UI: http://localhost:7861
API ドキュメント: http://localhost:7861/tts/docs
言語と音声のサンプル

omnivoicetts_data ボリュームには、コンテナーの交換やイメージ更新後もモデル、設定、保存済み音声が保持されます。完全版イメージには必要なモデル資産が含まれ、ダウンロード後はオフラインで実行できます。

公開済みの GitHub Release と対応する Git タグは変更できません。バージョン付き Docker イメージタグも変更不可で、latest と latest_tiny のみが意図的に最新スナップショットへ更新されます。

詳細情報

日本語の製品説明とインストールガイドをご覧ください。完全な技術資料は英語版 READMEで管理しています。不具合や提案は GitHub Issues へ報告してください。