worldwide open-source software - local_silero_tts

config.json

anonymous@undisclosed.example.com (Anonymous) — Wed, 29 Jul 2026 10:19:17 +0000

config.json

{
  "voice_settings": {
    "speaker": "baya",
    "speed": 1.0,
    "volume_multiplier": 1.0
  },
  "custom_punctuation": {
    "...": " - ",
    "!!!": "!",
    "??": "?"
  },
  "word_replacements": {
    "дверной замок": "дверной зам+ок",
    "каменный замок": "каменный з+амок",
    "древний замок": "древний з+амок",
    "веб": "вэб",
    "web": "вэб",
    "замок": "зам+ок",
    "на двери": "на две+ри",
    "у двери": "у дв+ери",
    "тестирую": "тэст+ирую"
  }
}

index.html

anonymous@undisclosed.example.com (Anonymous) — Wed, 29 Jul 2026 10:15:24 +0000

index.html

index.html

<!DOCTYPE html>
<html lang="ru">
<head>
    <meta charset="UTF-8">
    <title>Локальный Silero TTS</title>
    <style>
        body { font-family: Arial, sans-serif; max-width: 600px; margin: 50px auto; padding: 20px; background: #f4f4f9; }
        textarea { width: 100%; height: 250px; padding: 10px; font-size: 16px; border-radius: 5px; border: 1px solid #ccc; box-sizing: border-box; }
        select, button { padding: 10px 20px; font-size: 16px; margin-top: 15px; border-radius: 5px; border: none; cursor: pointer; }
        button { background: #28a745; color: white; font-weight: bold; }
        button:disabled { background: #ccc; }
        #status { margin-top: 15px; color: #555; font-style: italic; }
    </style>
</head>
<body>
 
    <h1>Локальный русский голос (Silero v5)</h1>
    <textarea id="text-input">Привет! На двери висит дверной замок, а в поле стоит каменный замок. Озвучь это.</textarea>
 
<label for="speaker-select">Голос:</label>
<select id="speaker-select">
    <option value="baya">Зая (Женский унизительный)</option>
    <option value="kseniya">Ксения (Женский стандарт)</option>
    <option value="eugene">Евгений (Мужской диктор)</option>
    <option value="aidar">Айдар (Мужской мягкий)</option>
</select>
 
 
    <button id="say-btn">Озвучить текст</button>
    <br><br>
    <audio id="audio-player" controls style="width: 100%;"></audio>
    <div id="status">Готов к работе</div>
 
    <script>
        const btn = document.getElementById('say-btn');
        const status = document.getElementById('status');
        const player = document.getElementById('audio-player');
 
        btn.addEventListener('click', () => {
            const text = encodeURIComponent(document.getElementById('text-input').value);
            const speaker = document.getElementById('speaker-select').value;
 
            btn.disabled = true;
            status.innerText = "Воспроизведение звука...";
 
            // Прямая трансляция потока байт в плеер без создания файлов на диске!
            player.src = `http://localhost:3000/api/stream-audio?text=${text}&speaker=${speaker}&t=${Date.now()}`;
            player.play();
 
            player.onended = () => {
                status.innerText = "Готово!";
                btn.disabled = false;
            };
        });
    </script>
</body>
</html>

server.js

anonymous@undisclosed.example.com (Anonymous) — Wed, 29 Jul 2026 10:16:26 +0000

server.js

server.js

const express = require('express');
const cors = require('cors');
const { spawn } = require('child_process');
const path = require('path');
const fs = require('fs');
const axios = require('axios');
 
const app = express();
app.use(cors());
app.use(express.json());
 
app.get('/', (req, res) => {
    res.sendFile(path.join(__dirname, 'index.html'));
});
 
const pythonProcess = spawn('python', ['tts.py']);
pythonProcess.stdout.on('data', (data) => console.log(`Python: ${data}`));
pythonProcess.stderr.on('data', (data) => console.log(`Python System: ${data}`));
 
app.get('/api/stream-audio', async (req, res) => {
    const text = req.query.text || "Привет";
    const speaker = req.query.speaker || "baya";
 
    try {
        await axios.post('http://127.0.0.1:5000', { text, speaker });
        const filePath = path.join(__dirname, 'test.wav');
 
        if (fs.existsSync(filePath)) {
            res.set('Content-Type', 'audio/wav');
            const stream = fs.createReadStream(filePath);
            stream.pipe(res);
        } else {
            res.status(404).send('Файл не найден');
        }
    } catch (error) {
        console.error(error);
        res.status(500).send('Ошибка генерации');
    }
});
 
app.listen(3000, () => console.log('Сервер запущен на http://localhost:3000'));

tts.py

anonymous@undisclosed.example.com (Anonymous) — Wed, 29 Jul 2026 10:21:05 +0000

tts.py

tts.py

import warnings
warnings.filterwarnings("ignore", category=UserWarning)
 
import os
import sys
import torch
from http.server import BaseHTTPRequestHandler, HTTPServer
import json
import re
from num2words import num2words
 
language = 'ru'
device = torch.device('cpu')
model_path = "./v5_ru.pt"
 
print("Инициализация стабильной локальной модели Silero...")
if not os.path.exists(model_path):
    print("КРИТИЧЕСКАЯ ОШИБКА: Файл v5_ru.pt не найден!")
    sys.exit(1)
 
model = torch.package.PackageImporter(model_path).load_pickle("tts_models", "model")
model.to(device)
print("ИИ-процессор звука полностью готов к работе!")
 
# Расширенная база для чтения латиницы
# Умный словарь частых слов (чтобы читались красиво, а не просто побуквенно)
ENG_PHONETIC = {
    'hello': 'хэллоу', 'hi': 'хай', 'ai': 'эай', 'js': 'джей эс', 'php': 'пи эйч пи',
    'python': 'пайтон', 'google': 'гугл', 'ok': 'окей', 'yes': 'йес', 'no': 'ноу',
    'javascript': 'джаваскрипт', 'node.js': 'ноуд джей эс', 'node': 'ноуд',
    'apple': 'эпл', 'microsoft': 'майкрософт', 'windows': 'виндоус', 'server': 'сервер',
    'code': 'код', 'project': 'проджект', 'file': 'файл', 'text': 'текст'
}
 
# Карта перевода отдельных английских букв и буквосочетаний в русские слоги
ENGLISH_TO_RUSSIAN_ABC = {
    'ch': 'ч', 'sh': 'ш', 'th': 'ф', 'ph': 'ф', 'ee': 'и', 'oo': 'у', 'ea': 'и',
    'a': 'э', 'b': 'б', 'c': 'к', 'd': 'д', 'e': 'е', 'f': 'ф', 'g': 'г', 'h': 'х',
    'i': 'ай', 'j': 'дж', 'k': 'к', 'l': 'л', 'm': 'м', 'n': 'н', 'o': 'о', 'p': 'п',
    'q': 'кь', 'r': 'р', 's': 'с', 't': 'т', 'u': 'ю', 'v': 'в', 'w': 'в', 'x': 'икс',
    'y': 'ай', 'z': 'з'
}
 
def load_config():
    default_config = {"voice_settings": {"speaker": "baya", "speed": 1.0}, "word_replacements": {}}
    if os.path.exists('config.json'):
        try:
            with open('config.json', 'r', encoding='utf-8') as f: return json.load(f)
        except: return default_config
    return default_config
 
def clean_and_normalize_text(text, config):
    text_clean = text.strip()
 
    # 1. Применяем замену пунктуации
    for old_punc, new_punc in config.get("custom_punctuation", {}).items():
        text_clean = text_clean.replace(old_punc, new_punc)
 
    # 2. Применяем контекстный словарь из config.json (ищем БЕЗ учета регистра)
    replacements = config.get("word_replacements", {})
    for phrase in sorted(replacements.keys(), key=len, reverse=True):
        pattern = re.compile(re.escape(phrase.strip()), re.IGNORECASE)
        # Подставляем точную строку из конфига (с сохранением ЗАГЛАВНЫХ букв-ударений)
        text_clean = pattern.sub(replacements[phrase], text_clean)
 
    # 3. Перевод цифр в слова
    def replace_num(match):
        try: return num2words(int(match.group()), lang='ru')
        except: return match.group()
    text_clean = re.sub(r'\d+', replace_num, text_clean)
 
    # 4. Железный перевод английских слов (игнорируем регистр букв ввода)
    for eng_word, ru_word in ENG_PHONETIC.items():
        pattern = re.compile(r'\b' + re.escape(eng_word) + r'\b', re.IGNORECASE)
        text_clean = pattern.sub(ru_word, text_clean)
 
    # Смываем оставшиеся одиночные английские буквы побуквенно для безопасности ИИ
    def replace_isolated_lat(match):
        char = match.group().lower()
        abc = {'a':'а','b':'бэ','c':'цэ','d':'дэ','e':'е','f':'эф','g':'джи','h':'эйч',
               'i':'ай','j':'джей','k':'кэй','l':'эль','m':'эм','n':'эн','o':'о','p':'пи',
               'q':'кью','r':'эр','s':'эс','t':'ти','u':'ю','v':'ви','w':'дабл ю','x':'икс','y':'уай','z':'зет'}
        return abc.get(char, char)
    text_clean = re.sub(r'[a-zA-Z]', replace_isolated_lat, text_clean)
 
    # Убираем лишние пробелы перед отправкой в нейросеть
    text_clean = re.sub(r'\s+', ' ', text_clean)
    return text_clean
 
class TTSHandler(BaseHTTPRequestHandler):
    def do_POST(self):
        content_length = int(self.headers['Content-Length'])
        post_data = json.loads(self.rfile.read(content_length).decode('utf-8'))
 
        raw_text = post_data.get('text', '')
        base_speaker = post_data.get('speaker', 'baya')
        if base_speaker not in ['aidar', 'baya', 'kseniya', 'eugene', 'xenia']:
            base_speaker = 'baya'
 
        config = load_config()
        txt = clean_and_normalize_text(raw_text, config)
        print(f"[ИИ-Синтез] Итоговый текст для Silero: '{txt}' [Голос: {base_speaker}]")
 
        # Модель читает заглавные русские буквы как жесткие ударения
        model.save_wav(text=txt, speaker=base_speaker, sample_rate=48000, put_accent=True, put_yo=True)
 
        self.send_response(200)
        self.send_header('Content-type', 'application/json')
        self.end_headers()
        self.wfile.write(json.dumps({"status": "SUCCESS"}).encode('utf-8'))
 
if __name__ == "__main__":
    server = HTTPServer(('127.0.0.1', 5000), TTSHandler)
    server.serve_forever()