mirror of
https://github.com/R0m1k3/Socialflow.git
synced 2026-10-22 14:38:11 +02:00
Claude
fdace9d8d5
- qwen-tts : GPU NVIDIA détecté automatiquement (bfloat16), image CUDA 12.8 (RTX 50xx comprises) via TORCH_VARIANT=cu128, docker-compose.gpu.yml dédié (clé obligatoire, choix de la carte) et guide d'installation Unraid. - Paramètres → « Qwen TTS (voix locale) » : adresse + clé du service, test de connexion (modèle et carte graphique affichés), stockés en base (app_config.qwen_tts_url / qwen_tts_api_key) et transmis à ffmpeg-api à chaque voix ; QWEN_TTS_URL reste un défaut. - Le service qwen-tts CPU du docker-compose principal devient optionnel (profil qwen-local). Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01Upu97wMmsRkBoj6iVM4rH6
56 lines
2.6 KiB
Markdown
56 lines
2.6 KiB
Markdown
# 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
|
||
|
||
1. **Pilote NVIDIA** : Apps → installer le plugin **Nvidia Driver**, redémarrer,
|
||
puis vérifier dans un terminal : `nvidia-smi -L` (liste les cartes et leur numéro).
|
||
2. **Récupérer ce dossier** sur le serveur, par exemple :
|
||
```bash
|
||
cd /mnt/user/appdata
|
||
git clone https://github.com/R0m1k3/Socialflow.git
|
||
cd Socialflow/qwen-tts
|
||
```
|
||
3. **Choisir la carte et la clé** dans un fichier `.env` à côté de `docker-compose.gpu.yml` :
|
||
```bash
|
||
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
|
||
```
|
||
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.
|
||
4. **Construire et lancer** (le premier build télécharge les modèles, quelques Go) :
|
||
```bash
|
||
docker compose -f docker-compose.gpu.yml up -d --build
|
||
docker logs -f socialflow-qwen-tts # « Modèle … chargé sur NVIDIA GeForce … »
|
||
```
|
||
5. **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 |
|