mirror of
https://github.com/R0m1k3/Socialflow.git
synced 2026-10-11 17:26:45 +02:00
Claude
338546662f
Vu en production avec Qwen sur GPU : la plupart des phrases basculaient sur Gemini puis Edge (voix différente d'un sous-titre à l'autre). - Vérification de lecture : les nombres en lettres (« trente », « vingt-cinq pour cent ») et leur signe (« plus », « moins ») sont comparés comme les chiffres écrits par Whisper, au lieu de passer pour des mots sautés. - Prises emballées (14 s pour 34 caractères) écartées d'office ; côté qwen-tts, max_new_tokens borne la durée à « caractères / 6 + 3 » s. - Le moteur choisi est gardé tant qu'il lit au moins 70 % du texte (avec avertissement), au lieu de 85 % ; 3 tentatives Qwen. - Gemini : délai d'attente 45 s au lieu de 120 s, erreurs journalisées en repr. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01Upu97wMmsRkBoj6iVM4rH6
Qwen TTS : voix locale sur un serveur GPU (ex. Unraid)
Service de synthèse vocale Qwen3-TTS appelé par SocialFlow (via ffmpeg-api). Sur une carte graphique NVIDIA, le gros modèle 1.7B (ton et émotion pilotés) génère une voix bien plus vite qu'en temps réel ; sur CPU, il est 5 à 7 fois plus lent.
Installation sur Unraid
- Pilote NVIDIA : Apps → installer le plugin Nvidia Driver, redémarrer,
puis vérifier dans un terminal :
nvidia-smi -L(liste les cartes et leur numéro). - Récupérer ce dossier sur le serveur, par exemple :
cd /mnt/user/appdata git clone https://github.com/R0m1k3/Socialflow.git cd Socialflow/qwen-tts - Choisir la carte et la clé dans un fichier
.envà côté dedocker-compose.gpu.yml:Une RTX 3060 12 Go suffit largement (le modèle 1.7B occupe ~5–6 Go) : autant la dédier à la voix et garder la plus grosse carte pour le reste.QWEN_TTS_API_KEY=une-longue-cle-secrete # openssl rand -hex 32 QWEN_TTS_GPU=0 # numéro ou UUID donné par nvidia-smi -L # QWEN_TTS_PORT=8001 - Construire et lancer (le premier build télécharge les modèles, quelques Go) :
docker compose -f docker-compose.gpu.yml up -d --build docker logs -f socialflow-qwen-tts # « Modèle … chargé sur NVIDIA GeForce … » - Dans SocialFlow : Paramètres → Qwen TTS (voix locale) → adresse
http://IP-DE-L-UNRAID:8001+ la clé → Tester la connexion → Enregistrer. Le moteur « Qwen (locale) » devient disponible dans le choix des voix.
Sécurité
Le service ne doit pas être exposé sur Internet. Si SocialFlow tourne sur un
autre réseau que l'Unraid, reliez les deux par Tailscale (ou WireGuard)
et utilisez l'adresse Tailscale de l'Unraid (http://100.x.y.z:8001).
La clé d'accès est obligatoire.
Voix clonées (voix française native)
Déposez dans voices/ un extrait de 5 à 15 s et sa transcription (voir
voices/README.md), puis docker restart socialflow-qwen-tts. Utilisez
uniquement des voix dont vous avez les droits.
Réglages
| Variable | Défaut | Rôle |
|---|---|---|
QWEN_TTS_MODEL |
Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice |
Modèle des voix prédéfinies (build) |
QWEN_TTS_CLONE_MODEL |
Qwen/Qwen3-TTS-12Hz-1.7B-Base |
Modèle de clonage, vide pour désactiver (build) |
QWEN_TTS_GPU |
0 |
Carte NVIDIA utilisée |
QWEN_TTS_DEVICE |
auto |
cuda:0, cpu… (auto : GPU si disponible) |
QWEN_TTS_DTYPE |
bfloat16 sur GPU, float32 sur CPU |
Précision du calcul |