Higgs Audio Web

🎵 Higgs Audio v2 Web

All-in-One Docker deployment for Higgs Audio v2 with Web UI, REST API & MCP support

English | 简体中文 | 繁體中文 | 日本語

______________________________________________________________________

✨ 特性

• 🎤 表达性TTS -最先进的文本到语音的情感表达
• 🎭 零样本语音克隆 -只需5-10秒的音频即可克隆任何语音
• 👥 多扬声器对话框 -与多个说话者进行自然对话
• 📝 文本配置文件语音 -在文本中描述语音特征，不需要音频
• 📚 长格式生成 -长文本自动分块，声音一致
• 🌐 现代Web用户界面 -漂亮的深色主题界面，支持多种语言
• 🔌 REST API -带Swagger文档的完整API
• 🤖 MCP支持 -AI代理集成的模型上下文协议
• 🐳 一键式Docker -所有内容都在一个容器中，没有外部依赖关系
• 🎮 GPU优化 -自动选择可用内存最多的GPU

______________________________________________________________________

🚀 快速开始

Docker（推荐）

docker run -d --gpus all \
  -p 8095:8095 \
  -v ~/.cache/huggingface:/app/models \
  --name higgs-audio \
  neosun/higgs-audio-web:latest

然后访问：http://localhost:8095

______________________________________________________________________

📦 安装

先决条件

• NVIDIA GPU 24GB+VRAM （例如，RTX 4090、L40S、A100）
• Docker与NVIDIA容器工具包
• 或者：Python 3.10+，CUDA 12.x

选项1:Docker（推荐）

# Pull the image
docker pull neosun/higgs-audio-web:latest

# Run with GPU support
docker run -d --gpus all \
  -p 8095:8095 \
  -v ~/.cache/huggingface:/app/models \
  -v ./outputs:/app/outputs \
  --name higgs-audio \
  neosun/higgs-audio-web:latest

# Check logs
docker logs -f higgs-audio

# Verify
curl http://localhost:8095/health

选项2：Docker编写

# docker-compose.yml
services:
  higgs-audio:
    image: neosun/higgs-audio-web:latest
    ports:
      - "8095:8095"
    environment:
      - NVIDIA_VISIBLE_DEVICES=all
      - MODEL_PATH=bosonai/higgs-audio-v2-generation-3B-base
      - AUDIO_TOKENIZER_PATH=bosonai/higgs-audio-v2-tokenizer
    volumes:
      - ~/.cache/huggingface:/app/models
      - ./outputs:/app/outputs
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

docker compose up -d

选项3：来源

# Clone repository
git clone https://github.com/neosun100/higgs-audio-web.git
cd higgs-audio-web

# Create virtual environment
python -m venv venv
source venv/bin/activate  # Linux/Mac
# or: venv\Scripts\activate  # Windows

# Install dependencies
pip install -r requirements.txt
pip install -e .
pip install fastapi uvicorn python-multipart aiofiles fastmcp soundfile

# Run
python app/main.py

选项4：一键脚本

git clone https://github.com/neosun100/higgs-audio-web.git
cd higgs-audio-web
chmod +x start.sh
./start.sh

______________________________________________________________________

⚙️ 配置

环境变量

.env示例

PORT=8095
NVIDIA_VISIBLE_DEVICES=0
MODEL_PATH=bosonai/higgs-audio-v2-generation-3B-base
AUDIO_TOKENIZER_PATH=bosonai/higgs-audio-v2-tokenizer

______________________________________________________________________

📖 用法

Web用户界面

访问 http://localhost:8095 对于具有6种模式的web界面：

REST API

健康检查

curl http://localhost:8095/health

基本TTS

curl -X POST http://localhost:8095/api/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "Hello world!", "temperature": 0.3}'

预设语音克隆

curl -X POST http://localhost:8095/api/tts/preset \
  -F "text=Hello world!" \
  -F "voice=belinda" \
  -F "temperature=0.3"

文本配置文件TTS

curl -X POST http://localhost:8095/api/tts/profile \
  -H "Content-Type: application/json" \
  -d '{"text": "Good morning!", "profile": "male_en_british"}'

多扬声器对话框

curl -X POST http://localhost:8095/api/tts/multispeaker \
  -H "Content-Type: application/json" \
  -d '{
    "text": "[SPEAKER0] Hello!\n[SPEAKER1] Hi there!",
    "voices": "belinda,broom_salesman"
  }'

长格式生成

curl -X POST http://localhost:8095/api/tts/longform \
  -H "Content-Type: application/json" \
  -d '{"text": "Long text here...", "voice": "belinda", "chunk_size": 100}'

API完整文档： http://localhost:8095/docs

MCP集成

添加到MCP客户端配置中：

{
  "mcpServers": {
    "higgs-audio": {
      "command": "python",
      "args": ["app/mcp_server.py"],
      "env": {
        "MODEL_PATH": "bosonai/higgs-audio-v2-generation-3B-base"
      }
    }
  }
}

可用的MCP工具：

• text_to_speech -基本TTS
• text_to_speech_with_voice -带有预设语音的TTS
• text_to_speech_with_profile -带文本配置文件的TTS
• text_to_speech_multispeaker -多扬声器对话
• list_voices / list_profiles -列出可用选项
• get_gpu_status / load_model / unload_model -GPU管理

______________________________________________________________________

📁 项目结构

higgs-audio-web/
├── app/
│   ├── main.py           # FastAPI server
│   ├── mcp_server.py     # MCP server
│   └── static/
│       └── index.html    # Web UI
├── boson_multimodal/     # Core model code
├── examples/
│   └── voice_prompts/    # 16 preset voices
├── Dockerfile
├── docker-compose.yml
├── start.sh              # One-click launcher
└── requirements.txt

______________________________________________________________________

🛠️ 技术栈

• 模型：Higgs Audio v2（3.6B LLM+2.2B音频适配器）
• 后端：Uvicorn快速API
• 前端：香草JS，CSS3
• 容器：Docker、NVIDIA容器工具包
• ML框架：PyTorch，变压器，TorchAudio

______________________________________________________________________

🎯 演出

______________________________________________________________________

🤝 贡献

欢迎投稿！请随时提交拉取请求。

1. 分叉存储库
2. 创建功能分支(git checkout -b feature/amazing)
3. 提交您的更改(git commit -m 'Add amazing feature')
4. 推到分支(git push origin feature/amazing)
5. 打开拉取请求

______________________________________________________________________

📝 更新日志

v2.1.0（2024-12-19）

• ✨ 多扬声器对话生成
• ✨ 文本配置文件语音（无需音频）
• ✨ 带有自动分块功能的长形生成
• 🎨 具有6种生成模式的增强Web UI

v2.0.0（2024-12-18）

• 🎉 初始版本
• ✨ 支持多语言的Web UI
• ✨ 带有Swagger文档的REST API
• ✨ MCP服务器集成
• ✨ 多功能Docker镜像
• ✨ 自动GPU选择

______________________________________________________________________

📄 许可证

此项目根据Apache 2.0许可证获得许可-请参阅 许可证 文件以获取详细信息。

基于 希格斯音频v2 博森AI。

______________________________________________________________________

⭐ 星迹

______________________________________________________________________

📱 关注我们

______________________________________________________________________

Made with ❤️ by neosun100