TTSFM：免费的 OpenAI 兼容文本转语音 API 服务

TTSFM 是一个免费开源的 OpenAI 兼容文本转语音 API 服务，基于 OpenAI 的 GPT-4o mini TTS 技术，提供完整的语音合成解决方案。该项目在 GitHub 上已获得 711 stars 和 112 forks，主要使用 Python 开发。

项目简介

TTSFM 是一个反向工程实现的 openai.fm 服务镜像，提供与 OpenAI TTS API 完全兼容的接口。它包含 Python SDK、RESTful API 端点以及直观的 Web 测试界面，方便开发者快速集成和测试。

⚠️ 注意：该项目已于 2025 年 12 月 18 日被作者归档，原因是 openai.fm 演示网站已关闭，项目目前无法正常使用。但作为学习参考和开源项目架构设计仍有价值。

核心特性

• 🎤 多声音选择：支持 11 种 OpenAI 兼容声音（alloy, ash, ballad, coral, echo, fable, nova, onyx, sage, shimmer, verse）
• 🎵 灵活音频格式：支持 6 种音频格式（MP3, WAV, OPUS, AAC, FLAC, PCM）
• ⚡ 速度控制：支持 0.25x 到 4.0x 的播放速度调整
• 📝 长文本支持：自动文本分割和音频合并，支持任意长度内容
• 🔄 实时流式传输：WebSocket 支持流式音频生成
• 🐍 Python SDK：提供易用的同步和异步客户端
• 🌐 Web 测试界面：交互式 Web 界面用于测试和实验
• 🐳 Docker 支持：提供预构建 Docker 镜像，支持一键部署
• 🔍 智能检测：自动能力检测和友好的错误提示
• 🤖 OpenAI 兼容：可作为 OpenAI TTS API 的替代方案

技术栈

• Python 46.2% - 核心服务端和 SDK
• JavaScript 24.8% - Web 界面交互
• HTML 21.4% - Web 页面模板
• CSS 7.1% - 样式设计
• Dockerfile - 容器化部署

安装指南

Python 包安装

# 安装核心客户端
pip install ttsfm

# 安装核心客户端 + Web/服务端依赖
pip install ttsfm[web]

Docker 部署

TTSFM 提供两种 Docker 镜像变体：

完整版（推荐）

docker run -p 8000:8000 dbcccc/ttsfm:latest

完整版包含 ffmpeg，支持：

• ✅ 所有 6 种音频格式
• ✅ 速度调整（0.25x - 4.0x）
• ✅ ffmpeg 格式转换
• ✅ 长文本 MP3 自动合并
• ✅ 长文本 WAV 自动合并

精简版（~100MB）

docker run -p 8000:8000 dbcccc/ttsfm:slim

精简版不包含 ffmpeg，仅支持：

• ✅ 基础 TTS 功能
• ✅ 2 种音频格式（MP3, WAV）
• ✅ 长文本 WAV 自动合并
• ❌ 不支持速度调整
• ❌ 不支持格式转换
• ❌ 不支持 MP3 自动合并

部署后，Web 界面访问地址为 http://localhost:8000，API 端点为 /v1/audio/speech。

检查可用功能：

curl http://localhost:8000/api/capabilities

快速开始

Python 客户端

from ttsfm import TTSClient, AudioFormat, Voice

client = TTSClient()

# 基础用法
response = client.generate_speech(
    text="Hello from TTSFM!",
    voice=Voice.ALLOY,
    response_format=AudioFormat.MP3,
)
response.save_to_file("hello")  # -> hello.mp3

# 带速度调整（需要 ffmpeg）
response = client.generate_speech(
    text="This will be faster!",
    voice=Voice.NOVA,
    response_format=AudioFormat.MP3,
    speed=1.5,  # 1.5x 速度（0.25 - 4.0）
)
response.save_to_file("fast")  # -> fast.mp3

CLI 命令行

ttsfm "Hello, world" --voice nova --format mp3 --output hello.mp3

REST API（OpenAI 兼容）

# 基础请求
curl -X POST http://localhost:8000/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Hello world!",
    "voice": "alloy",
    "response_format": "mp3"
  }' --output speech.mp3

# 带速度调整（需要完整版镜像）
curl -X POST http://localhost:8000/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Hello world!",
    "voice": "alloy",
    "response_format": "mp3",
    "speed": 1.5
  }' --output speech_fast.mp3

API 参考

可用声音

可用格式

速度范围

• 范围：0.25 - 4.0
• 要求：需要完整版 Docker 镜像（含 ffmpeg）

项目链接

• GitHub 仓库：https://github.com/dbccccccc/ttsfm
• Docker 镜像：https://hub.docker.com/r/dbcccc/ttsfm
• 在线演示：https://ttsapi.site（已不可用）
• 许可证：MIT License

注意事项

1. 该项目仅供教育和研究目的使用
2. 项目已于 2025 年 12 月 18 日归档，目前无法正常使用
3. 这是一个反向工程实现，不应用于商业用途或生产环境
4. 用户需确保遵守适用的法律法规和服务条款