飞牛NAS装个中文TTS服务
让NAS开口说话

 
 

NAS · Docker · 中文语音合成


 

先说结论： AngeVoice 是一个把中文 TTS 封装成 Docker 服务的开源项目。装到飞牛NAS 上之后，你的 NAS 就变成了一个本地文字转语音后端，AI 助手、阅读器、智能音箱、自动化脚本都能通过 API 调它。一条 docker compose up -d 就能跑起来。


NAS 除了存文件、挂下载、跑 Docker，还能干什么？


最近飞牛OS 社区有人分享了一个很有意思的项目——AngeVoice。它不是那种重训练的新模型，而是把 Kokoro 中文 TTS 和可选的 MOSS-TTS-Nano 封装成一个适合 NAS / Docker 长期运行的语音合成服务。


简单说，就是把你的 NAS 变成一个本地文字转语音服务，24 小时在线，内网其他设备都能用。


· · ·


 01   AngeVoice 是什么   


AngeVoice 是一个开源的中文 TTS 服务项目，GitHub 上可以找到。它最大的特点不是"训练了一个新模型"，而是"把现有的中文 TTS 模型包装成了一个适合长期运行的服务"。


它内置了 Kokoro 中文 TTS 和可选的 MOSS-TTS-Nano，提供了 Web UI、OpenAI 兼容 API、WebSocket 流式输出，还支持批量合成、健康检查、请求统计、缓存、限流等服务化功能。


它不是单纯的模型推理脚本，而是一个可以长期跑在 NAS 上的 TTS 后端服务。


· · ·


 02   能用来做什么   


部署好之后，内网其他应用都可以通过 API 调用这个 TTS 服务。实际能用的场景比想象中多：


 

AI Agent 语音回复： 上一篇讲的 Hermes Agent 接上 TTS，AI 回应用语音读出来，体验瞬间不一样。

 

小智 ESP32 / 智能音箱后端： 很多 DIY 智能音箱项目需要本地 TTS 服务，AngeVoice 正好补上这一块。

 

阅读器朗读： 配合 NAS 上的电子书管理工具，文字转语音播报。

 

有声书生成： 把文章、文档批量合成语音，生成自己的有声内容。

 

视频配音草稿： 做视频的时候脚本转语音，先听一遍节奏再录音。

 

家庭通知提醒： NAS 监控到异常（比如硬盘温度过高），直接语音播报到家里音箱。

 

自动化脚本语音播报： 定时任务执行完，用语音告诉你结果。


· · ·


 03   在飞牛NAS上部署   


部署方式和之前的 Hermes Agent 类似，全程在飞牛OS 的 Docker 管理界面操作，不需要敲命令行。


 
第一步：创建文件夹
 
   

打开飞牛OS 的「文件管理」，在 Docker 目录下新建一个 angevoice 文件夹（比如 /vol1/1000/docker/angevoice）。

 


 
第二步：编写 docker-compose.yml
 
   

在文件夹中创建 docker-compose.yml，写入以下内容（CPU 版，无 GPU 也能跑）：

   
     
services:   angevoice:     image: ghcr.io/ang77712829/angevoice:cpu-latest     container_name: angevoice     restart: unless-stopped     ports:       - "8100:8100"     volumes:       - ./output:/app/output     environment:       - TZ=Asia/Shanghai
    
   

如果 NAS 有 NVIDIA 显卡，也可以用 GPU 版镜像，性能更好。

 


 
第三步：通过 Docker 管理界面启动
 
   

打开飞牛OS 的「Docker」管理应用：

   

1. 进入「Compose」标签页，点击「新建」

   

2. 选择你刚才创建 docker-compose.yml 的文件夹

   

3. 系统自动识别 Compose 文件，点击「部署」

   

4. 等待镜像拉取和容器启动，浏览器访问 http://你的NAS地址:8100 即可打开 Web UI

 


启动之后，打开 http://你的NAS地址:8100，就能看到 AngeVoice 的 Web 界面，直接在浏览器里输入文字就能生成语音。


 AngeVoice Web UI


· · ·


 04   硬件要求   


 

CPU 模式（Kokoro）： 普通 CPU 就能跑，建议 8GB 内存以上，16GB 更舒服。社区有人用 i3-9100T + 16GB 内存跑，Kokoro 流式生成速度还不错。

 

GPU 模式（MOSS / 参考音频克隆）： 最好有 NVIDIA 显卡，CPU 上体验会比较慢。


需要说明的是，这类轻量 TTS 模型本身参数规模有限，音质和自然度不能和大型商业 TTS 服务硬比。它更适合本地化、自托管、低成本的使用场景，追求的是"能用且可控"而不是"媲美真人"。


· · ·


 05   几个值得说的细节   


 

OpenAI 兼容接口： 它支持 /v1/audio/speech 接口，这意味着任何支持 OpenAI TTS API 的客户端都可以直接连过来用，不需要额外适配。

 

WebSocket 流式输出： 支持流式语音合成，文字一边生成一边输出音频，延迟比等全部合成完再返回低很多。

 

批量合成： 可以一次性提交多段文字，打包成 ZIP 下载，适合有声书、文章批量转语音的场景。

 

服务化功能： 健康检查、请求统计、缓存、限流都有，适合长期稳定运行。


 AngeVoice 声音克隆


· · ·


 

总结一下： AngeVoice 把 NAS 从一个"只存数据"的设备变成了一个"能产出内容"的服务。中文 TTS、Docker 部署、OpenAI 兼容 API，三个特点加在一起，让它在飞牛NAS 上有了不少想象空间。

 

项目地址：github.com/ang77712829/AngeVoice，MIT 协议，开源免费。如果你也在折腾 NAS，不妨试试。


— E N D —


 

科技智趣坊

 

分享科技好物，让生活更有趣