beleata74/SaraTTS-BG-EN-64M-Home-Assistant-for-PI-5

SaraTTS-BG-EN-64M Home Assistant for PI 5

Готов локален TTS пакет за Home Assistant, Raspberry Pi и CPU. Включва INT8 модел от епоха осем, MioCodec декодер, три гласа, български нормализатор и Wyoming сървър. Не са нужни GPU, PyTorch, Hugging Face токен или облачен абонамент. След първоначалното инсталиране работи без интернет.

Това е самостоятелният пакет за използване. Оригиналният двуезичен модел, PyTorch кодът, обучението и теглата от епохи осем и единадесет са в отделното хранилище SaraTTS-BG-EN-64M.

Сваляне и инсталиране

Свали пълния пакет — около 426 MB · SHA256

Ръководство на български · English installation guide

Архивът съдържа всички модели, гласове и код. Не е необходимо да сваляте основния PyTorch модел или допълнителен кодек. Изберете един от двата начина за стартиране:

Вариант	За кого е	Команда след разархивиране
Native Linux услуга	64-битов Raspberry Pi OS / Debian със systemd	bash script/install.sh
Docker Compose	Машина с Docker Engine и Compose	docker compose up -d --build

Инструкциите включват зависимостите и проверката на архива. За native вариант са необходими Python 3.11+, съвместими ONNX Runtime wheels, python3-venv и libgomp1. Пускайте инсталатора като обикновения потребител; той сам извиква sudo за услугата. Двата варианта използват един и същ порт — 10250.

Свързване с Home Assistant

1. Settings → Devices & services → Add integration → Wyoming Protocol.
2. Host: LAN IP адресът на машината, на която работи SaraTTS. Port: 10250.
3. В Settings → Voice assistants изберете Text-to-speech: SaraTTS, език Bulgarian / bg и глас F5, F7 или M1.

Не е нужен HACS. Home Assistant може да е на същата или на друга машина. Пакетът осигурява изговарянето на отговорите; разпознаване на реч, wake word и разговорен агент се настройват отделно. Примерна автоматизация с tts.speak има в ръководството.

Глас	Описание
F5	Женски, по подразбиране
F7	Друг женски глас
M1	Мъжки глас

Можете да създадете и WAV без Home Assistant:

.venv/bin/python script/synthesize.py   --text 'Часът е 07:15. В хола е 21,5 °C. Включени са 2 лампи.'   --voice F5 --output demo.wav

Чуйте как звучи на Raspberry Pi

Записите са от реален Pi 5 с INT8 основен модел и FP32 MioCodec, глас F5. Домашните стойности са измислени примери, не реални измервания.

Избор на приказка от библиотеката:

Сутрешен обзор с часове, числа и температура:

Още примери: рецепта, вечерен обзор и трите гласа през Home Assistant

Проверено на реален хардуер

Проверка	Измерен резултат
Pi 5, 8 GB RAM, Debian 12 ARM64, четири CPU нишки	RTF 0,339 — около 2,95 пъти по-бързо от реалното време
Памет на процеса	Около 649 MiB в изчислителния тест; около 666 MiB за мрежовата услуга
Home Assistant Container 2026.10.0	Трите гласа, WAV/MP3, Assist TTS и конфигурация след рестарт
Дълъг текст през Home Assistant	27,62 секунди аудио за 11,03 секунди
ARM64 Docker спрямо native	Еднакви PCM данни при четири проверочни заявки

Изчислителният RTF е върху дванадесет текста по три повторения, при вече зареден модел, без мрежа и запис на файл. Не е време до първи звук. Синтезът е на фрази, а Home Assistant може да буферира целия запис. По-бавната първа HA заявка е запазена в пълния отчет. Няма събран човешки MOS.

Проверени: native Pi услуга, ARM64 Docker и реална интеграция с Home Assistant Container. ONNX WAV генериране е проверено и на Windows AMD64. Непроверени: Home Assistant OS / Supervisor, Linux AMD64 Docker, Pi 4 и macOS. Включените файлове за локална HA OS добавка са експериментални; няма публикуван App Store пакет с един бутон.

Какво включва пакетът

• miotts/models/: INT8 ONNX основен модел, FP32 MioCodec, гласове и конфигурация; SHA256 проверка при стартиране.
• miotts/src/: целият код за генериране, токенизаторът, Wyoming сървърът и поправеният български нормализатор.
• script/: инсталация, WAV генерация, стартиране и измерване на скоростта.
• compose.yaml и miotts/Dockerfile: изграждане на контейнера локално.
• tests/, evaluation/, examples/: протоколни проверки, измервания и записи.
• Нормализаторът като отделен wheel и изходен код, ако е необходим в друг проект.

Основният модел получава само текст; гласът се подава на кодека. Нормализаторът преобразува числа, часове, температури и единици на български преди разделяне на фрази. Той използва правила и речници и не е пълен граматически анализатор. Латински думи могат да останат в текста, но този пакет е насочен към български и не включва английска нормализация.

Аудиото е 44,1 kHz, моно, 16 bit PCM. Един активен синтез, до четири приети заявки общо. Неподдържани символи, SSML и прекалено дълги фрази се отказват с грешка. Възможни са грешки в ударения, имена и произношение; проверявайте важните за вас текстове. Wyoming портът е за доверената локална мрежа и няма собствена автентикация.

Версия и лиценз

0.2.2: проектът вече се казва SaraTTS-BG-EN-64M Home Assistant for PI 5. Обновени са имената, документацията, адресите за сваляне и името, което услугата обявява пред Home Assistant. Моделните файлове и алгоритъмът за синтез са същите като при проверените пакети 0.2.0 и 0.2.1. Не е извършвано ново обучение. Произход, компоненти и лицензи · Манифест на релийза.

SaraTTS и MioCodec са MIT. Нормализаторът е модифицирана версия 1.1.1+miotts.1 на MIT проекта на Radi Totev; не е представен като upstream/PyPI релийз.

English: this is the standalone Bulgarian CPU deployment for Home Assistant / Raspberry Pi, with all INT8 weights, FP32 codec, voices and normalization included. Start with the English guide. The original bilingual PyTorch model and epoch-8/11 checkpoints are maintained separately in SaraTTS-BG-EN-64M.

При обновяване на вече свързана инсталация Home Assistant може да запази старото име на entity, например tts.miotts. Използвайте действителното име от своята инсталация; вътрешният модул wyoming_miotts и systemd услугата miotts-wyoming са запазени за съвместимост.