中文

注意： 不再推荐使用 pip install realtimetts 进行基本安装，而应使用 pip install realtimetts[all]。

RealtimeTTS 库为您的用例提供了各种依赖项的安装选项。以下是根据需要安装 RealtimeTTS 的不同方法：

完整安装

安装支持所有 TTS 引擎的 RealtimeTTS：

pip install -U realtimetts[all]

定制安装

RealtimeTTS 允许使用最少的库安装进行自定义安装。以下是可用选项： - 全部：完全安装所有支持的引擎。 - *系统：包括特定系统的 TTS 功能（如 pyttsx3）。 - azure：添加 Azure 认知服务语音支持。 - elevenlabs：包括与 ElevenLabs API 的集成。 - openai：用于 OpenAI 语音服务。 - gtts：支持谷歌文本到语音。 - coqui：安装 Coqui TTS 引擎。 - minimal：只安装基本要求，不安装引擎（只有当你想开发自己的引擎时才需要）。

如果您只想为本地神经元 Coqui TTS 安装 RealtimeTTS，则应使用

pip install realtimetts[coqui］

例如，如果您想安装只支持 Azure 认知服务语音、ElevenLabs 和 OpenAI 的 RealtimeTTS：

pip install realtimetts[azure,elevenlabs,openai].

虚拟环境安装

如果想在虚拟环境中进行完整安装，请按照以下步骤操作：

python -m venv env_realtimetts
env_realtimetts\Scripts\activate.bat
python.exe -m pip install --upgrade pip
pip install -U realtimetts[all]

有关 CUDA 安装的更多信息。

引擎要求

RealtimeTTS 支持的不同引擎有其独特的要求。请根据所选引擎确保满足这些要求。

系统引擎

系统引擎 "开箱即用，具有系统内置的 TTS 功能。无需额外设置。

GTTS 引擎

GTTSEngine "开箱即用，使用谷歌翻译的文本到语音 API。无需额外设置。

OpenAIEngine

要使用 OpenAIEngine： - 设置环境变量 OPENAI_API_KEY - 安装 ffmpeg（参见 CUDA 安装第 3 点）

AzureEngine

要使用 “AzureEngine”，你需要 - Microsoft Azure 文本到语音 API 密钥（通过 AzureEngine 构造函数参数 “speech_key ”或环境变量 AZURE_SPEECH_KEY 提供） - Microsoft Azure 服务区域。

在初始化 AzureEngine 时，确保这些凭据可用并配置正确。

ElevenlabsEngine

使用 ElevenlabsEngine 时需要 - Elevenlabs API 密钥（通过 ElevenlabsEngine 构造函数参数 “api_key ”或环境变量 ELEVENLABS_API_KEY 提供） - 系统中已安装 mpv（用于流式传输 mpeg 音频，Elevenlabs 仅提供 mpeg）。

🔹 安装 mpv: - macOS**： brew install mpv

Linux和Windows：请访问 mpv.io 获取安装说明。

CoquiEngine

通过语音克隆提供高质量的本地神经 TTS。

首先下载一个神经 TTS 模型。在大多数情况下，使用 GPU 合成的实时速度足够快。需要大约 4-5GB VRAM。

要克隆语音，请将包含源语音的波形文件的文件名作为 “语音 ”参数提交给 CoquiEngine 构造函数
语音克隆最好使用 22050 Hz 单声道 16 位 WAV 文件，其中包含一个短（约 5-30 秒）样本

在大多数系统上，需要 GPU 的支持才能以足够快的速度实时运行，否则会出现卡顿现象。

CUDA 安装

这些步骤适用于那些需要更好性能并且拥有兼容的NVIDIA GPU的人。

注意：要检查您的NVIDIA GPU是否支持CUDA，请访问官方CUDA GPU列表。

要使用支持CUDA的torch，请按照以下步骤操作：

注意：较新的 PyTorch 安装可能（未经验证）不再需要安装 Toolkit（可能也不需要安装 cuDNN）。

安装 NVIDIA CUDA Toolkit：例如，要安装 Toolkit 12.X，请
- 访问 NVIDIA CUDA 下载。
- 选择你的操作系统、系统架构和操作系统版本。
- 下载并安装软件。
或者要安装 Toolkit 11.8，请 - 访问 NVIDIA CUDA Toolkit Archive。 - 选择您的操作系统、系统架构和操作系统版本。 - 下载并安装软件。
安装 NVIDIA cuDNN：

例如，要为CUDA 11.x安装cuDNN 8.7.0，请 - 访问NVIDIA cuDNN归档。 - 点击“下载 cuDNN v8.7.0（2022年11月28日），适用于 CUDA 11.x”。 - 下载并安装软件。
安装 ffmpeg：

您可以从 ffmpeg 网站下载适用于您操作系统的安装程序。

或者使用包管理器：
- 在 Ubuntu 或 Debian 上： sudo apt update && sudo apt install ffmpeg
- 在 Arch Linux 上： sudo pacman -S ffmpeg
- 在使用 Homebrew 的 MacOS 上 (https://brew.sh/): brew install ffmpeg
- 在Windows上使用Chocolatey (https://chocolatey.org/): ``` choco install ffmpeg


    - **在Windows上使用Scoop** ([https://scoop.sh/](https://scoop.sh/)):
        ```plaintext
        scoop install ffmpeg
        ```

4. **安装带有CUDA支持的PyTorch**：

    要升级您的PyTorch安装以启用CUDA的GPU支持，请根据您的具体CUDA版本遵循以下说明。 如果您希望通过CUDA功能提升RealtimeSTT的性能，这将非常有用。

    - **对于CUDA 11.8：**

        要更新 PyTorch 和 Torchaudio 以支持 CUDA 11.8，请使用以下命令：

        ```
        pip install torch==2.3.1+cu118 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu118

    文本待翻译：```

- **对于CUDA 12.X：**


    要更新 PyTorch 和 Torchaudio 以支持 CUDA 12.X，请执行以下操作：

    ```plaintext

pip install torch==2.3.1+cu121 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu121 文本待翻译：

将 `2.3.1` 替换为适合您的系统和需求的 PyTorch 版本。

修复以解决兼容性问题：如果你遇到库兼容性问题，尝试将这些库设置为固定版本：

文本翻译：```

pip install networkx==2.8.8

pip install typing_extensions==4.8.0

pip install fsspec==2023.6.0

pip install imageio==2.31.6

pip install networkx==2.8.8

pip install numpy==1.24.3

pip install requests==2.31.0

```