Effi/archive/notes-originales/Descriptif complet de ta config audio Effi (STT + .md

1. STT – Speaches (Whisper) sur folzo-Corp

Conteneur Docker speaches-stt (folzo-Corp)

Fichier ~/speaches/docker-compose.yml :

text

`services: speaches: image: speaches:rocm-ct2 container_name: speaches-stt restart: unless-stopped ports: - "8200:8000" devices: - /dev/kfd - /dev/dri group_add: - "44" - "991" security_opt: - seccomp=unconfined environment: - HSA_OVERRIDE_GFX_VERSION=11.0.0 - WHISPER__MODEL=deepdml/faster-whisper-large-v3-turbo-ct2 - WHISPER__LANGUAGE=fr - WHISPER__COMPUTE_TYPE=float32 - WHISPER__DEVICE=auto volumes: - speaches-models:/root/.cache/huggingface

speaches-init: image: curlimages/curl:latest container_name: speaches-init restart: "no" depends_on: - speaches entrypoint: > sh -c "sleep 5 && curl -sf -X POST http://speaches:8000/v1/models/deepdml%2Ffaster-whisper-large-v3-turbo-ct2 && echo 'Modèle enregistré'"

volumes: speaches-models: `

Points importants :

• Modèle STT : deepdml/faster-whisper-large-v3-turbo-ct2 (CT2, turbo).​

• Langue forcée : WHISPER__LANGUAGE=fr.

• Compute type CPU : float32 (évite les erreurs int8).

• speaches-init enregistre le modèle au démarrage via POST /v1/models/....

Commandes de déploiement :

bash

cd ~/speaches sudo docker compose up -d

---

2. TTS – openedai-speech + Piper FR sur folzo-Corp

Fichiers de voix Piper

Dans ~/openedai-speech/tts-voices :

bash

cd ~/openedai-speech/tts-voices wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx wget https://huggingface.co/rhasspy/piper-voices/resolve/main/fr/fr_FR/upmc/medium/fr_FR-upmc-medium.onnx.json

Config openedai-speech

Fichier ~/openedai-speech/tts-config/config.yaml (partie utile) :

text

tts-1: alloy: model: voices/fr_FR-upmc-medium.onnx speaker: 0 # 0 = Jessica, 1 = Pierre (tu peux changer si besoin) tts-1-hd: alloy: model: xtts speaker: voices/alloy.wav # … autres voix XTTS inchangées

• tts-1 = backend Piper (CPU), voix par défaut alloy ↦ modèle FR fr_FR-upmc-medium.

• L’ancienne config tts-1-hd (XTTS GPU) reste, mais n’est plus utilisée.

Docker compose (rappel) :

text

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" - "991" environment: - HSA_OVERRIDE_GFX_VERSION=11.0.0 - HIP_VISIBLE_DEVICES=0

Redémarrage :

bash

cd ~/openedai-speech sudo docker compose restart openedai-speech

---

3. Configuration Open WebUI (effi-server)

Dans Admin Panel → Settings → Audio :

• STT Engine : OpenAI

• STT URL : http://192.168.1.11:8200/v1

• STT Model : deepdml/faster-whisper-large-v3-turbo-ct2

• TTS Engine : OpenAI

• TTS URL : http://192.168.1.11:8100/v1

• TTS Model : tts-1

• Voice / Speaker : alloy (qui correspond à fr_FR-upmc-medium côté Piper)

C’est cette combinaison qui donne :

• STT rapide, précis en français (large-v3-turbo CT2 sur GPU).

• TTS français fluide, léger côté CPU (Piper fr_FR-upmc-medium).​

• GPU principalement utilisé par les LLM (qwen/ministral, bge-m3), plus de charge « fantôme » après les échanges.