Effi/docs/03-guides/voix-ouie-fedora-install.md

🎙️ 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

┌─────────────────────────────────────────────────────────────────┐
│                    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

$ 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

# 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 :

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 :

# 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

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

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

mkdir -p ~/speaches
cd ~/speaches

Étape 3.2 : Dockerfile pour speaches

Créer le fichier ~/speaches/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 :

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

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

# 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.) :

# 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

# 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

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

# Vérifier les groupes
sudo usermod -a -G video,render $USER
# Déconnexion/reconnexion nécessaire

Erreur : "Connection refused" depuis effi-server

# 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)

# 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
• speaches GitHub
• Historique complet Effi
• Configuration recap

---

Document créé le 5 avril 2026 - Fedora installation