最近老有朋友问我，说想在自己的电脑或者小主机上弄一个TTS Server app，把语音合成服务跑起来，不管是给自己做的视频配音，还是接进智能家居里当播报，都比直接用在线接口踏实。其实这事没想象中那么玄乎，我前前后后折腾了三四台设备，踩过不少坑，今天就把TTS Server app语音合成服务器搭建的完整过程捋一遍，尽量说人话，照着做基本能跑通。
别被“服务器”三个字吓到，TTS Server app说白了就是一个能接收文字、返回语音音频的小程序。你把它跑在电脑上，它就在本地开一个端口，别的软件或者网页把文字发过去，它就把合成好的声音传回来。跟在线语音合成比，最大的好处是不用联网、不怕限流，声音数据也不出自己家门。
我一开始以为必须得用Linux服务器，后来发现Windows也能跑，甚至一些性能好点的电视盒子都行。关键是看你选哪个TTS Server app方案。常见的有基于Python的，也有打包成EXE直接双击的，新手建议从后者入手，少装一堆依赖。
这里提醒一句，不管用哪种，先确认你的设备能出声或者能保存音频文件，不然合成完了没地方听，白忙活。
动手之前，先把这几样东西备齐：一台常年开机的电脑或者小主机、稳定的电源、还有足够的硬盘空间。语音模型文件现在动辄几百兆到几个G，别到时候下到一半发现盘满了。
系统方面，Windows 10以上基本没问题，Linux的话Ubuntu 20.04之后都行。如果你用的是TTS Server app的Docker版本，那还得先装好Docker环境，这个网上教程一堆，照着敲命令就行。
我踩过最大的坑是端口占用。默认端口经常被别的软件占了，导致TTS Server app启动报错。解决办法很简单，启动前用命令行查一下端口，或者直接在配置文件里改个冷门端口，比如从8080改成9090，省得跟其他服务打架。
另外，防火墙也得放行。Windows上经常弹窗问允不允许，一定要点允许，不然本机都访问不了。
拿我最近用的一个开源TTS Server app举例，过程大概是这样：先去项目发布页下载压缩包，解压到一个英文路径下，千万别放中文目录，否则有些模型加载会报错。然后找到启动脚本，Windows下是BAT文件，Linux下是sh文件，双击或者命令行运行。
第一次启动会慢一些，因为它要加载语音模型。这时候别急着关窗口，等它提示“服务已启动”或者出现一个本地地址，比如 http://127.0.0.1:9090 ，就说明成了。把这个地址复制到浏览器里，能看到一个简单的测试页面，输入几个字点合成，能听到声音就大功告成。
如果没声音，先看日志窗口有没有红字报错。常见的是缺模型文件或者缺运行库，按提示补上就行。我遇到过缺一个音频处理库，装完重启TTS Server app就正常了。
想让局域网里其他设备也能用，就把地址里的127.0.0.1换成这台电脑的局域网IP，比如192.168.1.100，然后在手机或者别的电脑上访问这个地址，一样能合成。这一步做完了，你的语音合成服务器就算正式上线了。
跑起来之后，调用方式一般有两种：一种是直接在网页上手动输入文字合成，适合偶尔用用；另一种是通过API接口，让其他程序自动发文字过来。大部分TTS Server app都提供HTTP接口，你只要往那个地址发一个请求，带上文字参数，它就把音频流返回给你。
日常维护没啥特别的，就是定期看看日志，别让硬盘被日志文件塞满。如果长时间不用，可以关掉服务省点电。要是想换声音，就去下载对应的语音模型，替换掉原来的模型文件夹，重启TTS Server app就能换嗓子。
最后说一句，自己搭TTS Server app语音合成服务器最大的乐趣就是可控，想怎么改就怎么改。遇到问题别慌，多半是配置或者路径的小毛病，耐心查查日志基本都能解决。希望这篇指南能帮你少走点弯路，顺利把服务跑起来。
鄂公网安备42011102004716号