Silero TTS Service

Локальный синтез русской и украинской речи для Home Assistant и Rhasspy

Сервис превращает текст в естественную речь с помощью моделей Silero и отдаёт её по HTTP API, совместимому с MaryTTS. Работает полностью локально: никаких облаков, подписок и задержек сети. Интернет нужен только один раз, чтобы скачать модель.

Я сделал этот проект, потому что готовые решения для умного дома говорили по-русски плохо. Вдохновлялся проектом silero-ha-http-tts от Gromina и довёл идею до готового сервиса с настройками и Docker образами.

voice-xenia.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

Содержание

Возможности
Установка
Настройки
Подключение к Home Assistant
Подключение к Rhasspy
Обработка текста
API
Вывод звука на Bluetooth колонку
Разработка
История изменений

Возможности

🗣️ Естественные голоса — 5 русских и украинский голос на моделях Silero v5_1 и v4.
🏠 Аддон Home Assistant — устанавливается в пару кликов, настройки в интерфейсе HA.
🔢 Числа словами — целые и дробные, через точку и через запятую: «23.5» → «двадцать три целых пять десятых».
📚 Склонение по числу — 21 <d>яблоко</d> → «двадцать одно яблоко», 2 <d>нова</d> <d>книга</d> → «дві нові книги».
🤖 Готов к ответам LLM — эмодзи и разметка Markdown удаляются перед синтезом.
🎛️ SSML и эффекты — паузы, скорость и высота речи, эффекты SoX вроде эха.
⚡ Кеширование — повторяющиеся фразы озвучиваются мгновенно.
🔇 Озвучивание ошибок — по желанию колонка скажет «Ошибка синтеза речи» вместо тишины.
🧩 API MaryTTS — работает со встроенной интеграцией MaryTTS в Home Assistant и с Rhasspy.

Установка

Аддон Home Assistant

Нажмите кнопку выше или добавьте репозиторий https://github.com/Navatusein/Silero-TTS-Service вручную: Настройки → Дополнения → Магазин дополнений → ⋮ → Репозитории.
Установите аддон Silero TTS, выберите язык на вкладке «Конфигурация» и запустите его.
Подключите сервис к Home Assistant, указав host: localhost.

Docker

docker run -d -p 9898:9898 -m 1g -e LANGUAGE=ru -v silero-models:/usr/app/models --name silero-tts-service navatusein/silero-tts-service

Docker Compose

Создайте docker-compose.yml:

services:
  silero-tts-service:
    image: navatusein/silero-tts-service
    container_name: silero-tts-service
    restart: unless-stopped
    ports:
      - "9898:9898"
    volumes:
      - ./models:/usr/app/models
    environment:
      LANGUAGE: ru
      NUMBER_OF_THREADS: 4
    deploy:
      resources:
        limits:
          memory: 1G

И запустите:

docker compose up -d

Образы публикуются в Docker Hub и GitHub Container Registry для amd64 и aarch64 (Raspberry Pi 4/5 и другие ARM устройства). Том для моделей нужен, чтобы модель не скачивалась заново при пересоздании контейнера.

Настройки

Настройки передаются переменными окружения контейнера. В аддоне Home Assistant те же настройки задаются на вкладке «Конфигурация» в нижнем регистре.

Переменная	Описание	Значения	По умолчанию
`LANGUAGE`	Язык синтеза речи	`ru`, `uk`, `multi`	`ru`
`NUMBER_OF_THREADS`	Количество потоков процессора для синтеза	от `1` до количества ядер	`4`
`SAMPLE_RATE`	Частота дискретизации аудио	`8000`, `24000`, `48000`	`48000`
`SOX_PARAM`	Параметры SoX для эффектов: эхо, тембр, басы	например `reverb 50 50 10`	пусто
`HA_FIX`	Добавляет паузу в конец ответа на `POST /process`, чтобы Home Assistant не обрезал окончание фразы	`true`, `false`	`false`
`VOICE_TTS_ERRORS`	При ошибке `/process` возвращает аудио «Ошибка синтеза речи» вместо ответа `400`. Подробности ошибки пишутся в лог	`true`, `false`	`false`
`MODELS_DIRECTORY`	Папка для скачанных моделей	путь	`./models`

Голоса для каждого языка:

Язык	Код	Голоса
Русский	`ru`	`aidar` `baya` `kseniya` `xenia` `eugene`
Українська	`uk`	`mykyta` `random`

🔊 Послушать голоса

aidar

voice-aidar.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

baya

voice-baya.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

kseniya

voice-kseniya.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

xenia

voice-xenia.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

eugene

voice-eugene.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

mykyta

voice-mykyta.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

Эти же примеры в формате MP3 лежат в docs/audio.

Подключение к Home Assistant

Добавьте в configuration.yaml:

tts:
  - platform: marytts
    host: localhost # Адрес сервера, для аддона localhost
    port: 9898
    codec: WAVE_FILE
    voice: xenia # Голос из таблицы выше

Язык задаётся в настройках сервиса, параметр language интеграции MaryTTS не используется.

Подключение к Rhasspy

В настройках Rhasspy, в разделе Text to Speech, выберите модуль MaryTTS.
Сохраните настройки, Rhasspy перезагрузится.
Укажите адрес сервера с путём /process, например http://192.168.1.10:9898/process.
Нажмите Refresh и выберите голос из списка.
Сохраните настройки ещё раз.

Обработка текста

Перед синтезом текст проходит нормализацию: так Silero не спотыкается о цифры, латиницу и разметку.

Числа

Числа читаются словами, дроби можно писать через точку или запятую.

Текст с цифрой 1. На улице 23,5 градуса, а влажность 64.8 процента.

numbers.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

Склонение слов после числа

Возьмите слово в тег <d>, и сервис согласует его с числом. Если склонить нужно несколько слов, каждое берётся в свой тег, а прилагательные согласуются с последним словом по роду.

У меня было 15 <d>яблоко</d>. Мне осталось работать 21 <d>рабочий</d> <d>день</d>.

declension.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

Для украинского языка работает так же, дроби читаются нормативно: «двадцять три цілих п'ять десятих».

На вулиці 23,5 градуса. У мене 21 <d>гривня</d>, 2 <d>нова</d> <d>книга</d> і 5 <d>яблуко</d>.

numbers-uk.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

Латиница

Слова на латинице читаются транслитом.

Lorem ipsum dolor sit amet.

translit.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

Эмодзи и Markdown

Эмодзи и разметка Markdown удаляются: заголовки, списки, выделение, ссылки и код. Ответ LLM ассистента можно передавать как есть.

# Погода ☀️
- Сегодня **тепло**, плюс 25 <d>градус</d>
- Ветер [слабый](https://example.com) 🌬️

Будет озвучено: «Погода. Сегодня тепло, плюс двадцать пять градусов. Ветер слабый.»

markdown.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

SSML

С помощью SSML можно управлять паузами и просодией речи.

<p>
  Когда я просыпаюсь, <prosody rate="x-slow">я говорю довольно медленно</prosody>.
  Потом я начинаю говорить своим обычным голосом,
  <prosody pitch="x-high"> а могу говорить тоном выше </prosody>,
  или <prosody pitch="x-low">наоборот, ниже</prosody>.
  Потом, если повезет – <prosody rate="fast">я могу говорить и довольно быстро.</prosody>
  А еще я умею делать паузы любой длины, например две секунды <break time="2000ms"/>.
  <p>
    Также я умею делать паузы между параграфами.
  </p>
  <p>
    <s>И также я умею делать паузы между предложениями</s>
    <s>Вот например как сейчас</s>
  </p>
</p>

ssml.mp4

_{🔈 GitHub запускает видео без звука, включите его кнопкой динамика в плеере.}

API

Метод	Путь	Описание
`GET`	`/process?VOICE=xenia&INPUT_TEXT=Привет`	Синтезирует речь и возвращает WAV файл
`POST`	`/process`	То же самое, параметры `VOICE` и `INPUT_TEXT` в теле запроса (`application/x-www-form-urlencoded`)
`GET`	`/voices`	Список голосов для текущего языка
`GET`	`/settings`	Текущие настройки сервера
`GET`	`/clear_cache`	Очищает кеш синтезированных фраз

Имена параметров не чувствительны к регистру, вместо INPUT_TEXT можно передать text. Если параметр не указан, сервер вернёт 400.

curl -o speech.wav "http://localhost:9898/process?voice=xenia&text=Привет, мир!"

Разработка

Для локального запуска нужны Python 3.14 и SoX в PATH:

python -m venv .venv
.venv/bin/pip install -r requirements.txt   # Windows: .venv\Scripts\pip
.venv/bin/python main.py                    # Windows: .venv\Scripts\python

Настройки для локального запуска удобно хранить в файле .env в корне проекта, имена переменных такие же, как в таблице настроек.

Для ручной проверки API есть коллекция Postman: docs/postman/Silero-TTS-Service.postman_collection.json. В ней запросы для русского и украинского языка, проверки ответов и примеры обработки текста.

Релиз собирается GitHub Actions при пуше тега версии, например 3.0.0: образы для amd64 и aarch64 публикуются в Docker Hub и GHCR, создаётся черновик релиза. Версия тега должна совпадать с version в app/config.py и silero-tts/config.yaml. Описание образа на Docker Hub берётся из docs/dockerhub/README.md и обновляется при каждом релизе.

Благодарности

Silero — за открытые модели синтеза речи.
Gromina — за проект silero-ha-http-tts, с которого всё началось.

Name		Name	Last commit message	Last commit date
.github/workflows		.github/workflows
app		app
docs		docs
silero-tts		silero-tts
.dockerignore		.dockerignore
.gitignore		.gitignore
LICENSE		LICENSE
Makefile		Makefile
README.md		README.md
docker-compose.yml		docker-compose.yml
dockerfile		dockerfile
main.py		main.py
repository.yaml		repository.yaml
requirements.txt		requirements.txt
requirements_docker.txt		requirements_docker.txt

Navigation Menu

Repository navigation

About

Repository files navigation

Silero TTS Service

Содержание

Возможности

Установка

Аддон Home Assistant

Docker

Docker Compose

Настройки

Подключение к Home Assistant

Подключение к Rhasspy

Обработка текста

Числа

Склонение слов после числа

Латиница

Эмодзи и Markdown

SSML

API

Разработка

Благодарности

About

Releases

Packages

Used by

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

Silero TTS Service

Содержание

Возможности

Установка

Аддон Home Assistant

Docker

Docker Compose

Настройки

Подключение к Home Assistant

Подключение к Rhasspy

Обработка текста

Числа

Склонение слов после числа

Латиница

Эмодзи и Markdown

SSML

API

Разработка

Благодарности

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages

Used by

Contributors

Languages