Folzo/Effi
Public Access
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: Add detailed guide for TTS/STT installation on Fedora

Browse Source 
- Complete installation plan for openedai-speech (TTS) on folzo-Corp
- Complete installation plan for speaches (STT) on folzo-Corp
- Docker compose configurations for both services
- Testing procedures and troubleshooting
- Phase breakdown with current status (Phase 1 complete)
This commit is contained in:
Folzo
2026-04-05 09:53:37 +02:00
parent d6a2bcd379
commit 3ffa867c13
1 changed files with 425 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/03-guides/voix-ouie-fedora-install.md
+425
View File
@@ -0,0 +1,425 @@
# 🎙️ Plan Détaillé : Voix et Ouïe pour Effi sur Fedora
> **Document de référence** - Installation TTS/STT sur folzo-Corp (Fedora)
> **Date** : Avril 2026
> **Statut** : En cours
---
## 📋 Vue d'ensemble
```bash
┌─────────────────────────────────────────────────────────────────┐
│ FOLZO-CORP (Fedora) │
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ 1. openedai-speech (TTS) │ │
│ │ - Port: 8100 │ │
│ │ - GPU: ROCm (RX 7800 XT) │ │
│ │ - Voix: XTTS v2 (nova) │ │
│ │ │ │
│ │ 2. speaches (STT) │ │
│ │ - Port: 8200 │ │
│ │ - Modèle: Whisper large-v3-turbo │ │
│ │ - CPU (ROCm en option future) │ │
│ └─────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ EFFI-SERVER │
│ Open WebUI (port 3000) │
│ - STT URL: http://192.168.1.11:8200/v1 │
│ - TTS URL: http://192.168.1.11:8100/v1 │
└─────────────────────────────────────────────────────────────────┘
```
---
## ✅ PHASE 1 : Préparation Fedora (TERMINÉE)
### Statut
- ✅ ROCm installé et fonctionnel
- ✅ Docker v29.3.1 installé
- ✅ Firewall configuré (ports 8100, 8200, 11434 ouverts)
### Vérifications effectuées
```bash
$ docker --version
Docker version 29.3.1, build 1.fc43
$ rocm-smi
Device Node IDs Temp Power Partitions SCLK MCLK Fan Perf PwrCap VRAM% GPU%
0 1 0x747e, 60998 44.0°C 50.0W N/A, N/A, 0 169Mhz 1218Mhz 0% auto 212.0W 3% 14%
```
---
## 🔊 PHASE 2 : TTS (openedai-speech)
### Étape 2.1 : Créer la structure
```bash
# Se connecter à folzo-Corp (localement ou via SSH)
mkdir -p ~/openedai-speech
cd ~/openedai-speech
# Créer les sous-dossiers
mkdir -p tts-voices tts-config
```
### Étape 2.2 : Docker Compose TTS
Créer le fichier `~/openedai-speech/docker-compose.yml` :
```yaml
services:
openedai-speech:
image: ghcr.io/matatonic/openedai-speech
container_name: openedai-speech
restart: unless-stopped
ports:
- "8100:8000"
volumes:
- ./tts-voices:/app/voices
- ./tts-config:/app/config
devices:
- /dev/kfd
- /dev/dri
group_add:
- "44" # video
- "991" # render
environment:
- HSA_OVERRIDE_GFX_VERSION=11.0.0
- HIP_VISIBLE_DEVICES=0
```
### Étape 2.3 : Configuration des voix
Créer le fichier `~/openedai-speech/tts-config/voice_to_speaker.yaml` :
```yaml
# Configuration XTTS v2
tts-1-hd:
alloy:
model: xtts
speaker: voices/alloy.wav
echo:
model: xtts
speaker: voices/echo.wav
fable:
model: xtts
speaker: voices/fable.wav
onyx:
model: xtts
speaker: voices/onyx.wav
nova:
model: xtts
speaker: voices/nova.wav
shimmer:
model: xtts
speaker: voices/shimmer.wav
# Fallback en piper si pas de fichier WAV
tts-1:
alloy:
model: voices/en_US-libritts_r-medium.onnx
speaker: 79
echo:
model: voices/en_US-libritts_r-medium.onnx
speaker: 134
```
### Étape 2.4 : Télécharger les modèles de voix
```bash
cd ~/openedai-speech/tts-voices
# Télécharger les modèles Piper (fallback)
wget https://huggingface.co/rhasspy/piper-voices/resolve/v1.0.0/en/en_US/libritts_r/medium/en_US-libritts_r-medium.onnx
wget https://huggingface.co/rhasspy/piper-voices/resolve/v1.0.0/en/en_US/libritts_r/medium/en_US-libritts_r-medium.onnx.json
# Note: Les fichiers .wav pour XTTS seront à recréer ou restaurer depuis backup
# Pour tester immédiatement, on utilisera la voix "alloy" en piper (anglais)
```
### Étape 2.5 : Lancer et tester
```bash
cd ~/openedai-speech
docker compose up -d
# Vérifier les logs
docker logs -f openedai-speech
# Test rapide
curl -s http://localhost:8100/v1/audio/speech \
-H "Content-Type: application/json" \
-d '{"model":"tts-1","input":"Hello, this is a test","voice":"alloy"}' \
--output /tmp/test_tts.mp3
# Vérifier le fichier
ls -lh /tmp/test_tts.mp3
file /tmp/test_tts.mp3
```
---
## 🎤 PHASE 3 : STT (speaches - Whisper)
### Étape 3.1 : Créer la structure
```bash
mkdir -p ~/speaches
cd ~/speaches
```
### Étape 3.2 : Dockerfile pour speaches
Créer le fichier `~/speaches/Dockerfile` :
```dockerfile
FROM ghcr.io/astral-sh/uv:python3.12-bookworm-slim
WORKDIR /home/ubuntu/speaches
# Installation des dépendances système
RUN apt-get update && apt-get install -y \
ffmpeg \
libsndfile1 \
curl \
&& rm -rf /var/lib/apt/lists/*
# Créer l'utilisateur
RUN useradd --create-home --shell /bin/bash ubuntu
# Cloner speaches
RUN git clone https://github.com/speaches-ai/speaches.git .
# Installer speaches
RUN uv sync --frozen --no-dev
EXPOSE 8000
CMD [".venv/bin/python", "-m", "speaches"]
```
### Étape 3.3 : Docker Compose STT
Créer le fichier `~/speaches/docker-compose.yml` :
```yaml
services:
speaches:
build: .
container_name: speaches-stt
restart: unless-stopped
ports:
- "8200:8000"
environment:
- WHISPER__MODEL=deepdml/faster-whisper-large-v3-turbo-ct2
- WHISPER__LANGUAGE=fr
- WHISPER__COMPUTE_TYPE=int8
- WHISPER__DEVICE=cpu
- WHISPER__CPU_THREADS=4
volumes:
- speaches-models:/home/ubuntu/.cache/huggingface
speaches-init:
image: curlimages/curl:latest
container_name: speaches-init
restart: "no"
depends_on:
- speaches
entrypoint: >
sh -c "sleep 10 &&
curl -sf -X POST http://speaches:8000/v1/models/deepdml%2Ffaster-whisper-large-v3-turbo-ct2 &&
echo 'Modèle enregistré' || echo 'Erreur enregistrement modèle'"
volumes:
speaches-models:
```
### Étape 3.4 : Builder et lancer
```bash
cd ~/speaches
docker compose build
docker compose up -d
# Attendre le téléchargement du modèle (~1.5GB)
docker logs -f speaches-stt
```
### Étape 3.5 : Test STT
```bash
# Créer un fichier audio test
# ou utiliser un fichier existant
curl -s http://localhost:8200/v1/audio/transcriptions \
-F "file=@/chemin/vers/audio.wav" \
-F "model=deepdml/faster-whisper-large-v3-turbo-ct2" \
-F "language=fr"
```
---
## ⚙️ PHASE 4 : Configuration Open WebUI
### Étape 4.1 : Configurer Audio
Accéder à : `http://192.168.1.27:3000`
**Admin Panel → Settings → Audio :**
**STT (Speech-to-Text) :**
- Engine: `OpenAI`
- OpenAI API Base URL: `http://192.168.1.11:8200/v1`
- Model: `deepdml/faster-whisper-large-v3-turbo-ct2`
**TTS (Text-to-Speech) :**
- Engine: `OpenAI`
- OpenAI API Base URL: `http://192.168.1.11:8100/v1`
- Model: `tts-1-hd`
- Voice: `nova` (ou `alloy` si pas de WAV)
### Étape 4.2 : Tester le pipeline complet
1. Ouvrir une conversation avec Effi
2. Cliquer sur le bouton micro 🎤
3. Parler : "Bonjour Effi, comment vas-tu ?"
4. Vérifier que :
- ✅ Le STT transcrit correctement
- ✅ Le LLM répond
- ✅ Le TTS lit la réponse à voix haute
---
## 🔧 PHASE 5 : Optimisations (Optionnelles)
### Option A : Créer des voix XTTS personnalisées
Si tu veux recréer des voix (nova, alloy, etc.) :
```bash
# Il faut des échantillons audio de ~10 secondes par voix
# Format: WAV, 22050Hz, mono
cd ~/openedai-speech/tts-voices
# Copier un fichier audio source
cp /chemin/vers/echantillon.wav nova.wav
# Redémarrer le service
docker compose restart openedai-speech
```
### Option B : Optimiser STT avec GPU (Avancé)
**⚠️ Complexe** - Nécessite compilation CTranslate2-rocm
Voir l'historique : `/docs/ARCHIVE/HISTORIQUE-COMPLET-EFFI.md`
Section : "Problème 2 : Build ROCm Whisper Échoué"
**Recommandation** : Attendre des packages précompilés ou rester en CPU pour l'instant.
---
## 🧪 Commandes de diagnostic
### Vérifier les services
```bash
# Sur folzo-Corp
docker ps
# Test TTS
curl -s http://192.168.1.11:8100/v1/audio/speech \
-H "Content-Type: application/json" \
-d '{"model":"tts-1","input":"Test","voice":"alloy"}' \
--output /tmp/test.mp3 && echo "TTS OK" || echo "TTS KO"
# Test STT
curl -s http://192.168.1.11:8200/v1/models | jq .
# Logs
docker logs openedai-speech --tail 50 -f
docker logs speaches-stt --tail 50 -f
```
### Vérifier GPU ROCm
```bash
rocm-smi
rocm-smi --showmeminfo vram
```
---
## 📊 Récapitulatif des fichiers créés
```
/home/folzo/
├── openedai-speech/
│ ├── docker-compose.yml
│ ├── tts-config/
│ │ └── voice_to_speaker.yaml
│ └── tts-voices/
│ ├── en_US-libritts_r-medium.onnx
│ ├── en_US-libritts_r-medium.onnx.json
│ └── (nova.wav, alloy.wav, etc. à ajouter)
│
└── speaches/
├── Dockerfile
├── docker-compose.yml
└── (code source cloné depuis GitHub)
```
---
## 🚨 Dépannage courant
### Erreur : "Permission denied" /dev/kfd
```bash
# Vérifier les groupes
sudo usermod -a -G video,render $USER
# Déconnexion/reconnexion nécessaire
```
### Erreur : "Connection refused" depuis effi-server
```bash
# Sur folzo-Corp, vérifier firewall
sudo firewall-cmd --list-ports
# Doit contenir: 8100/tcp 8200/tcp
# Tester localement d'abord
curl http://localhost:8100/v1/models
curl http://localhost:8200/v1/models
```
### Erreur : Modèle non trouvé (speaches)
```bash
# Vérifier que le modèle est bien enregistré
curl http://192.168.1.11:8200/v1/models
# S'il n'est pas listé, l'enregistrer manuellement:
curl -X POST http://192.168.1.11:8200/v1/models \
-H "Content-Type: application/json" \
-d '{"model":"deepdml/faster-whisper-large-v3-turbo-ct2"}'
```
---
## 📚 Références
- [openedai-speech GitHub](https://github.com/matatonic/openedai-speech)
- [speaches GitHub](https://github.com/speaches-ai/speaches)
- [Historique complet Effi](../ARCHIVE/HISTORIQUE-COMPLET-EFFI.md)
- [Configuration recap](../CONFIGURATION-RECAP-GITEA.md)
---
*Document créé le 5 avril 2026 - Fedora installation*