最近在折腾 NAS 上的 AI 应用，整理了一个比较适合自托管的中文 TTS 项目：AngeVoice。
项目地址：
https://github.com/ang77712829/AngeVoice
AngeVoice 不是重新训练的新模型，而是把 Kokoro 中文 TTS 和可选的 MOSS-TTS-Nano 封装成一个更适合 NAS / Docker 长期运行的语音合成服务。
简单来说，就是可以把 NAS 变成一个本地文字转语音服务，用来给 AI 助手、阅读器、有声书、小智后端、自动化脚本等提供语音输出。
主要功能：
• 支持中文 TTS 语音合成
• 内置 Web UI，可以直接浏览器输入文字生成语音
• 支持 OpenAI 兼容接口 /v1/audio/speech
• 支持 WebSocket 流式输出
• 支持批量合成 ZIP
• 支持 Kokoro，MOSS-TTS-Nano 可选开启
• 支持 Docker CPU / GPU 部署
• 有健康检查、请求统计、缓存、限流等服务化功能
我觉得它比较适合 NAS 用户的地方是：
它不是单纯的模型推理脚本，而是更像一个可以长期运行的本地 TTS 服务。部署好以后，内网其他应用都可以通过 API 调它。
比如可以用在：
• AI Agent 语音回复
• 小智 ESP32 / 智能音箱后端
• 阅读器朗读
• 有声书生成
• 自动化脚本语音播报
• 视频配音草稿
• 家庭通知提醒
部署方面目前主要推荐 Docker。
CPU 版：
git clone https://github.com/ang77712829/AngeVoice.git
cd AngeVoice/docker/cpu
docker compose up -d
GPU 版：
git clone https://github.com/ang77712829/AngeVoice.git
cd AngeVoice/docker/gpu
docker compose up -d
默认端口：
CPU：http://你的NAS地址:8100
GPU：http://你的NAS地址:8101
硬件方面，如果只是体验 Kokoro，普通 CPU 也能跑，建议 8GB 内存以上，16GB 更舒服。
如果要折腾 MOSS 或参考音频克隆，最好有 NVIDIA 显卡，CPU 上体验可能会比较慢。
目前项目还在持续完善，适合喜欢折腾 Docker、AI、本地语音服务的 NAS 用户。
如果只是想找一个手机上点开即用的 TTS App，它可能不是最简单的选择；但如果想在 NAS 上自建一个中文 TTS 后端，还是挺值得试试的。
项目地址：
https://github.com/ang77712829/AngeVoice
欢迎大家测试反馈，也可以联系我在线进行试用，我目前的 NAS 配置是 i3-9100T + 16GB 内存 + Tesla P4。Kokoro 流式生成速度还不错，MOSS 也可以折腾，但这类轻量 TTS 模型本身参数规模有限，音质和自然度不能和大型商业 TTS 服务硬比，更适合本地化、自托管、低成本使用场景。
