SaraTTS-BG-EN-64M Home Assistant for PI 5
Готов локален TTS пакет за Home Assistant, Raspberry Pi и CPU. Включва INT8 модел от епоха осем, MioCodec декодер, три гласа, български нормализатор и Wyoming сървър. Не са нужни GPU, PyTorch, Hugging Face токен или облачен абонамент. След първоначалното инсталиране работи без интернет.
Това е самостоятелният пакет за използване. Оригиналният двуезичен модел, PyTorch кодът, обучението и теглата от епохи осем и единадесет са в отделното хранилище SaraTTS-BG-EN-64M.
Сваляне и инсталиране
Свали пълния пакет — около 426 MB · SHA256
Ръководство на български · English installation guide
Архивът съдържа всички модели, гласове и код. Не е необходимо да сваляте основния PyTorch модел или допълнителен кодек. Изберете един от двата начина за стартиране:
| Вариант | За кого е | Команда след разархивиране |
|---|---|---|
| Native Linux услуга | 64-битов Raspberry Pi OS / Debian със systemd | bash script/install.sh |
| Docker Compose | Машина с Docker Engine и Compose | docker compose up -d --build |
Инструкциите включват зависимостите и проверката на архива. За native вариант са необходими Python 3.11+, съвместими ONNX Runtime wheels, python3-venv и libgomp1. Пускайте инсталатора като обикновения потребител; той сам извиква sudo за услугата. Двата варианта използват един и същ порт — 10250.
Свързване с Home Assistant
- Settings → Devices & services → Add integration → Wyoming Protocol.
- Host: LAN IP адресът на машината, на която работи SaraTTS. Port: 10250.
- В Settings → Voice assistants изберете Text-to-speech: SaraTTS, език Bulgarian / bg и глас F5, F7 или M1.
Не е нужен HACS. Home Assistant може да е на същата или на друга машина. Пакетът осигурява изговарянето на отговорите; разпознаване на реч, wake word и разговорен агент се настройват отделно. Примерна автоматизация с tts.speak има в ръководството.
| Глас | Описание |
|---|---|
| F5 | Женски, по подразбиране |
| F7 | Друг женски глас |
| M1 | Мъжки глас |
Можете да създадете и WAV без Home Assistant:
.venv/bin/python script/synthesize.py --text 'Часът е 07:15. В хола е 21,5 °C. Включени са 2 лампи.' --voice F5 --output demo.wav
Чуйте как звучи на Raspberry Pi
Записите са от реален Pi 5 с INT8 основен модел и FP32 MioCodec, глас F5. Домашните стойности са измислени примери, не реални измервания.
Избор на приказка от библиотеката:
Сутрешен обзор с часове, числа и температура:
Още примери: рецепта, вечерен обзор и трите гласа през Home Assistant
Проверено на реален хардуер
| Проверка | Измерен резултат |
|---|---|
| Pi 5, 8 GB RAM, Debian 12 ARM64, четири CPU нишки | RTF 0,339 — около 2,95 пъти по-бързо от реалното време |
| Памет на процеса | Около 649 MiB в изчислителния тест; около 666 MiB за мрежовата услуга |
| Home Assistant Container 2026.10.0 | Трите гласа, WAV/MP3, Assist TTS и конфигурация след рестарт |
| Дълъг текст през Home Assistant | 27,62 секунди аудио за 11,03 секунди |
| ARM64 Docker спрямо native | Еднакви PCM данни при четири проверочни заявки |
Изчислителният RTF е върху дванадесет текста по три повторения, при вече зареден модел, без мрежа и запис на файл. Не е време до първи звук. Синтезът е на фрази, а Home Assistant може да буферира целия запис. По-бавната първа HA заявка е запазена в пълния отчет. Няма събран човешки MOS.
Проверени: native Pi услуга, ARM64 Docker и реална интеграция с Home Assistant Container. ONNX WAV генериране е проверено и на Windows AMD64. Непроверени: Home Assistant OS / Supervisor, Linux AMD64 Docker, Pi 4 и macOS. Включените файлове за локална HA OS добавка са експериментални; няма публикуван App Store пакет с един бутон.
Какво включва пакетът
miotts/models/: INT8 ONNX основен модел, FP32 MioCodec, гласове и конфигурация; SHA256 проверка при стартиране.miotts/src/: целият код за генериране, токенизаторът, Wyoming сървърът и поправеният български нормализатор.script/: инсталация, WAV генерация, стартиране и измерване на скоростта.compose.yamlиmiotts/Dockerfile: изграждане на контейнера локално.tests/,evaluation/,examples/: протоколни проверки, измервания и записи.- Нормализаторът като отделен wheel и изходен код, ако е необходим в друг проект.
Основният модел получава само текст; гласът се подава на кодека. Нормализаторът преобразува числа, часове, температури и единици на български преди разделяне на фрази. Той използва правила и речници и не е пълен граматически анализатор. Латински думи могат да останат в текста, но този пакет е насочен към български и не включва английска нормализация.
Аудиото е 44,1 kHz, моно, 16 bit PCM. Един активен синтез, до четири приети заявки общо. Неподдържани символи, SSML и прекалено дълги фрази се отказват с грешка. Възможни са грешки в ударения, имена и произношение; проверявайте важните за вас текстове. Wyoming портът е за доверената локална мрежа и няма собствена автентикация.
Версия и лиценз
0.2.2: проектът вече се казва SaraTTS-BG-EN-64M Home Assistant for PI 5. Обновени са имената, документацията, адресите за сваляне и името, което услугата обявява пред Home Assistant. Моделните файлове и алгоритъмът за синтез са същите като при проверените пакети 0.2.0 и 0.2.1. Не е извършвано ново обучение. Произход, компоненти и лицензи · Манифест на релийза.
SaraTTS и MioCodec са MIT. Нормализаторът е модифицирана версия 1.1.1+miotts.1 на MIT проекта на Radi Totev; не е представен като upstream/PyPI релийз.
English: this is the standalone Bulgarian CPU deployment for Home Assistant / Raspberry Pi, with all INT8 weights, FP32 codec, voices and normalization included. Start with the English guide. The original bilingual PyTorch model and epoch-8/11 checkpoints are maintained separately in SaraTTS-BG-EN-64M.
При обновяване на вече свързана инсталация Home Assistant може да запази старото име на entity, например tts.miotts. Използвайте действителното име от своята инсталация; вътрешният модул wyoming_miotts и systemd услугата miotts-wyoming са запазени за съвместимост.