Repository navigation
Releases: lvsun080403/local-voice-oneclick
Releases · lvsun080403/local-voice-oneclick
Release list
v0.1.0 · 首个可用版本
首个公开版本,可用的最小闭环已经跑通。
新增
- 桥接插件
dsh-voice-bridge:DSH 输入框左侧一颗「语音」胶囊,点开是固定高度的玻璃浮层,分「转写 / 朗读」两页,各自带服务开关与闲置自动停服。 - 宿主代理:
/voice-bridge/api/{status,config,transcribe,speak}四个端点,浏览器侧不用处理跨域。 - Qwen3-ASR-1.7B 一键部署包:自带 Python 3.11 + PyTorch CUDA 12.8,四镜像回退下载,装完自动起服务,默认端口
8010。 - Qwen3-TTS-12Hz-1.7B-Base 一键部署包:默认端口
8011,支持参考音频音色克隆与「只用声纹」模式。 - 配置文件
%USERPROFILE%\.dsh\voice-bridge\config.json:端口、部署目录、开关持久状态、闲置分钟数,改完无需重启。
已知限制
- 仅 Windows + NVIDIA(CUDA)验证过。
- 非流式:整段处理完才出结果。
-Base模型不含内置音色,必须先给参考音频。- 两个部署包各带一份 PyTorch,装完合计约占 19 GB 磁盘(仓库里只有约 94 KB 脚本)。
实测
| 项目 | 结果 |
|---|---|
| ASR 首个部分结果 | 13.8 s 内 |
| TTS 第一个音频块 | 7.8 s 内 |
| 转写 → 朗读 闭环 | 文本一致 |
装机量:脚本约 94 KB,装完每个包约 10 GB(嵌入式 Python 5.3 GB + 模型 4.4 GB + 下载缓存)。