用 FastAPI 封装 Chatterbox TTS，提供 OpenAI 兼容的语音合成与声音克隆 REST API

方案简介

本方案是 travisvn/chatterbox-tts-api 项目：基于 FastAPI 将 resemble-ai 的 Chatterbox TTS 封装为 REST API，提供与 OpenAI TTS API 兼容的端点，可直接作为 OpenAI 语音接口的替代品。方案支持用自带声音样本进行个性化语音克隆、22 种语言的多语言合成、长文本自动分块，并附带可选的 React Web 界面与完整的 Docker 容器化部署。适合希望自托管 TTS 服务、兼容 OpenAI 生态的开发者。

前置要求

• Python 3.11（pip 方式）或安装 uv
• Docker（推荐，可选 GPU 版本支持 NVIDIA CUDA）
• 前端开发需 Node/npm

安装 uv：
bash
curl -LsSf https://astral.sh/uv/install.sh | sh

本地 Python 方式：
bash
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

实施步骤

1. 本地安装（uv，推荐）

bash
git clone https://github.com/travisvn/chatterbox-tts-api
cd chatterbox-tts-api
uv sync
cp .env.example .env
uv run uvicorn app.main:app --host 0.0.0.0 --port 4123

或直接 uv run main.py。

2. 本地安装（pip）

bash
git clone https://github.com/travisvn/chatterbox-tts-api
cd chatterbox-tts-api
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
cp your-voice.mp3 voice-sample.mp3
uvicorn app.main:app --host 0.0.0.0 --port 4123

3. Docker 部署（推荐）

bash
git clone https://github.com/travisvn/chatterbox-tts-api
cd chatterbox-tts-api
cp .env.example.docker .env
docker compose -f docker/docker-compose.uv.gpu.yml up -d

GPU 用户推荐 uv+GPU 变体；CPU-only 用 docker/docker-compose.cpu.yml；Blackwell (50XX) 用 docker/docker-compose.blackwell.yml。加 --profile frontend 可同时启动 Web UI。

4. 运行前端（开发）

bash
cd frontend && npm install && npm run dev

注意事项与常见问题

• 上游 resemble-ai/chatterbox 在非 CUDA 环境下目前已损坏（见其 issue）
• 首次使用 TTS 耗时最长
• Chatterbox Turbo 支持即将到来
• 想回到非多语言版本可使用本仓库的 stable 分支
• 遇到问题可查看 README 的 troubleshooting/common issues 部分
• 可通过大量环境变量进行配置，含语音参数实时调节与内存自动清理

优缺点

• ✓ OpenAI 接口即插即用
• ✓ 支持 22 种语言声音克隆
• ✕ 非 CUDA 环境上游已损坏
• ✕ 首次合成耗时长

出处

本方案挖掘自开源项目 travisvn/chatterbox-tts-api，方案内容与实施命令均来自其 README 原文。