docker安装index-tts，实现文本转语音的本地私有化部署

一、背景

ai编程场景里，文本转语音，可以使用第三方的云服务，需要收费。（天下没有免费的午餐）

如果你想要自己做一些实验，而又不想付费，可以自己部署一套系统。

推荐index-tts，原因是它有成熟的docker部署方案，其次它支持模仿真人的音色。

很好地适用于听书等音频制作，不过想要免费部署，要求的配置高，特别是内存。

二、docker部署

bash 复制代码

docker run -d --name index-tts \
  --platform linux/amd64 \
  -p 7860:7860 \
  -v ~/index-tts-data:/app/data \
  --shm-size=2g \
  luojiecong/index-tts:1.5-20250727-9098497

第一次，因为内存不足，运行出错。

bash 复制代码

2025-11-14 08:52:58,434 WETEXT INFO building fst for zh_normalizer ...
/tmp/tmpi7r4wi67: line 3: 35 Killed python webui.py --model_dir /checkpoints --host 0.0.0.0 --port 7860
ERROR conda.cli.main_run:execute(127): `conda run python webui.py --model_dir /checkpoints --host 0.0.0.0 --port 7860` failed. (See above for error)

我本机是采用docker desktop桌面版，机器是mac book pro m3，内存仅18G。

这里调大些资源配置，主要是内存，我这里指定申请6G内存。

bash 复制代码

docker run -d --name index-tts \
  --platform linux/amd64 \
  -p 7860:7860 \
  -v ~/index-tts-data:/app/data \
  --memory=12g --memory-swap=12g \
  --shm-size=2g \
  luojiecong/index-tts:1.5-20250727-9098497

再次运行。

bash 复制代码

2025-11-14 08:55:43,287 WETEXT INFO building fst for zh_normalizer ...
 
2025-11-14 08:56:22,640 WETEXT INFO done
 
2025-11-14 08:56:22,641 WETEXT INFO fst path: /workspace/index-tts/indextts/utils/tagger_cache/zh_tn_tagger.fst
 
2025-11-14 08:56:22,641 WETEXT INFO /workspace/index-tts/indextts/utils/tagger_cache/zh_tn_verbalizer.fst
 
2025-11-14 08:56:22,662 WETEXT INFO found existing fst: /opt/conda/envs/indextts/lib/python3.10/site-packages/tn/en_tn_tagger.fst
 
2025-11-14 08:56:22,662 WETEXT INFO /opt/conda/envs/indextts/lib/python3.10/site-packages/tn/en_tn_verbalizer.fst
 
2025-11-14 08:56:22,662 WETEXT INFO skip building fst for en_normalizer ...

这次终于运行正常。

配置低，在文本转语音的时候，有个明显吃亏的地方是，转换时长久。

访问UI：http://localhost:7860/

参考音频，就是你自己上传或者录制的声音。

生成的音频就会根据前者，对文本进行转换至语音。

三、API编程

见UI底部，你可以详细查看其API接口。这里就不往后延伸。

http://localhost:7860/?view=api

你也可以通过mcp对接index-tts。

四、总结

在选择index-tts前，我还动手部署了一把spark-tts，当然还是采用docker部署。

发现要打开文本转语音的UI界面，难于登天，尝试了好几个镜像，无论是lite版本还是full版本，都无济于事。

因为不想让你去踩坑，就不细描述当时是如何部署spark-tts了。

没有UI界面，打开了其swagger文档http://localhost:7860/docs

spark-tts的镜像地址：https://hub.docker.com/r/breakstring/spark-tts

下载并安装：

bash 复制代码

docker run -d --name spark-tts \
  --platform linux/amd64 \
  -p 7860:7860 \
  -v ~/spark-tts-data:/app/data \
  --shm-size=2g \
  breakstring/spark-tts:latest-lite