Deutsch

Hinweis: Die Basisinstallation mit pip install realtimetts wird nicht mehr empfohlen. Verwenden Sie stattdessen pip install realtimetts[all].

Die RealtimeTTS-Bibliothek bietet verschiedene Installationsoptionen für Abhängigkeiten je nach Anwendungsfall. Hier sind die verschiedenen Möglichkeiten, RealtimeTTS entsprechend Ihren Anforderungen zu installieren:

Vollständige Installation

Um RealtimeTTS mit Unterstützung für alle TTS-Engines zu installieren:

pip install -U realtimetts[all]

Benutzerdefinierte Installation

RealtimeTTS ermöglicht eine benutzerdefinierte Installation mit minimalen Bibliotheksinstallationen. Folgende Optionen stehen zur Verfügung: - all: Vollständige Installation mit Unterstützung aller Engines. - system: Enthält systemspezifische TTS-Fähigkeiten (z.B. pyttsx3). - azure: Fügt Azure Cognitive Services Speech-Unterstützung hinzu. - elevenlabs: Enthält Integration mit der ElevenLabs API. - openai: Für OpenAI-Sprachdienste. - gtts: Google Text-to-Speech-Unterstützung. - coqui: Installiert die Coqui TTS-Engine. - minimal: Installiert nur die Basisanforderungen ohne Engine (nur erforderlich, wenn Sie eine eigene Engine entwickeln möchten)

Wenn Sie RealtimeTTS nur für die lokale neuronale Coqui TTS-Nutzung installieren möchten, verwenden Sie:

pip install realtimetts[coqui]

Wenn Sie beispielsweise RealtimeTTS nur mit Azure Cognitive Services Speech, ElevenLabs und OpenAI-Unterstützung installieren möchten:

pip install realtimetts[azure,elevenlabs,openai]

Installation in virtueller Umgebung

Für diejenigen, die eine vollständige Installation in einer virtuellen Umgebung durchführen möchten, folgen Sie diesen Schritten:

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

Weitere Informationen zur CUDA-Installation.

Engine-Anforderungen

Verschiedene von RealtimeTTS unterstützte Engines haben spezifische Anforderungen. Stellen Sie sicher, dass Sie diese Anforderungen je nach gewählter Engine erfüllen.

SystemEngine

Die SystemEngine funktioniert von Haus aus mit den integrierten TTS-Fähigkeiten Ihres Systems. Keine zusätzliche Einrichtung erforderlich.

GTTSEngine

Die GTTSEngine funktioniert von Haus aus mit der Google Translate Text-to-Speech API. Keine zusätzliche Einrichtung erforderlich.

OpenAIEngine

Zur Verwendung der OpenAIEngine: - Umgebungsvariable OPENAI_API_KEY setzen - ffmpeg installieren (siehe CUDA-Installation Punkt 3)

AzureEngine

Für die Verwendung der AzureEngine benötigen Sie: - Microsoft Azure Text-to-Speech API-Schlüssel (bereitgestellt über den AzureEngine-Konstruktorparameter "speech_key" oder in der Umgebungsvariable AZURE_SPEECH_KEY) - Microsoft Azure Service-Region

Stellen Sie sicher, dass diese Anmeldedaten verfügbar und korrekt konfiguriert sind, wenn Sie die AzureEngine initialisieren.

ElevenlabsEngine

Für die ElevenlabsEngine benötigen Sie: - Elevenlabs API-Schlüssel (bereitgestellt über den ElevenlabsEngine-Konstruktorparameter "api_key" oder in der Umgebungsvariable ELEVENLABS_API_KEY) - mpv auf Ihrem System installiert (wesentlich für das Streaming von MPEG-Audio, Elevenlabs liefert nur MPEG)

🔹 Installation von mpv: - macOS: brew install mpv

• Linux und Windows: Besuchen Sie mpv.io für Installationsanweisungen.

CoquiEngine

Bietet hochwertige, lokale, neuronale TTS mit Stimmklonen.

Lädt zuerst ein neurales TTS-Modell herunter. In den meisten Fällen ist es mit GPU-Synthese schnell genug für Echtzeit. Benötigt etwa 4-5 GB VRAM.

• Um eine Stimme zu klonen, übergeben Sie den Dateinamen einer Wave-Datei, die die Quellstimme enthält, als "voice"-Parameter an den CoquiEngine-Konstruktor
• Stimmklonen funktioniert am besten mit einer 22050 Hz Mono 16bit WAV-Datei, die eine kurze (~5-30 Sek.) Probe enthält

Auf den meisten Systemen wird GPU-Unterstützung benötigt, um schnell genug für Echtzeit zu sein, andernfalls werden Sie Stottern erleben.

CUDA-Installation

Diese Schritte werden für diejenigen empfohlen, die bessere Leistung benötigen und eine kompatible NVIDIA GPU haben.

Hinweis: Um zu überprüfen, ob Ihre NVIDIA GPU CUDA unterstützt, besuchen Sie die offizielle CUDA GPUs-Liste.

Um torch mit CUDA-Unterstützung zu verwenden, folgen Sie bitte diesen Schritten:

Hinweis: Neuere PyTorch-Installationen könnten (unbestätigt) keine Toolkit (und möglicherweise cuDNN) Installation mehr benötigen.

1. NVIDIA CUDA Toolkit installieren: Um beispielsweise Toolkit 12.X zu installieren:

   • Besuchen Sie NVIDIA CUDA Downloads.
   • Wählen Sie Ihr Betriebssystem, Systemarchitektur und OS-Version.
   • Laden Sie die Software herunter und installieren Sie sie.

   oder um Toolkit 11.8 zu installieren: - Besuchen Sie NVIDIA CUDA Toolkit Archive. - Wählen Sie Ihr Betriebssystem, Systemarchitektur und OS-Version. - Laden Sie die Software herunter und installieren Sie sie.

2. NVIDIA cuDNN installieren:

   Um beispielsweise cuDNN 8.7.0 für CUDA 11.x zu installieren: - Besuchen Sie NVIDIA cuDNN Archive. - Klicken Sie auf "Download cuDNN v8.7.0 (November 28th, 2022), for CUDA 11.x". - Laden Sie die Software herunter und installieren Sie sie.

3. ffmpeg installieren:

   Sie können einen Installer für Ihr Betriebssystem von der ffmpeg Website herunterladen.

   Oder verwenden Sie einen Paketmanager:

   • Unter Ubuntu oder Debian: sudo apt update && sudo apt install ffmpeg

   • Unter Arch Linux: sudo pacman -S ffmpeg

   • Unter MacOS mit Homebrew (https://brew.sh/): brew install ffmpeg

   • Unter Windows mit Chocolatey (https://chocolatey.org/): choco install ffmpeg

   • Unter Windows mit Scoop (https://scoop.sh/): scoop install ffmpeg

4. PyTorch mit CUDA-Unterstützung installieren:

   Um Ihre PyTorch-Installation zu aktualisieren und GPU-Unterstützung mit CUDA zu aktivieren, folgen Sie diesen Anweisungen basierend auf Ihrer spezifischen CUDA-Version. Dies ist nützlich, wenn Sie die Leistung von RealtimeSTT mit CUDA-Fähigkeiten verbessern möchten.

   • Für CUDA 11.8:

     Um PyTorch und Torchaudio für CUDA 11.8-Unterstützung zu aktualisieren, verwenden Sie folgende Befehle:

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

   • Für CUDA 12.X:

     Um PyTorch und Torchaudio für CUDA 12.X-Unterstützung zu aktualisieren, führen Sie Folgendes aus:

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

   Ersetzen Sie 2.3.1 durch die Version von PyTorch, die Ihrem System und Ihren Anforderungen entspricht.

5. Behebung von Kompatibilitätsproblemen: Wenn Sie auf Bibliotheks-Kompatibilitätsprobleme stoßen, versuchen Sie, diese Bibliotheken auf feste Versionen zu setzen:

`

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

`