Jun 10, 2025·06:34 AM

如何在 Glows.ai 使用 BreezyVoice 建立擬真聲音並生成語音

教學

本教學說明如何在 Glows.ai 使用 NVIDIA GeForce RTX 4090 GPU 執行語音合成系統 BreezyVoice，生成個人化語音檔案。

BreezyVoice 是專為中文文字轉語音（TTS）設計的開放原始碼系統，功能包括：

僅需 5 秒語音樣本即可複製聲音
產生自然流暢、接近真人的語音
以 CosyVoice 擴充套件為基礎，屬於 Breeze2 系列

以下將使用 Glows.ai 的雲端 GPU 執行 BreezyVoice，建立聲音並生成語音檔案。

步驟一：建立執行個體

依照此教學在 Glows.ai 建立執行個體，並選擇官方 BreezyVoice WebUI 映像檔。

在 Create New 頁面選擇 Inference GPU -- 4090，再選擇 BreezyVoice WebUI 映像檔。此映像檔包含所有必要環境，並會在連接埠 8080 啟動 BreezyVoice WebUI 服務。

Data Drive 是 Glows.ai 的雲端儲存服務。你可以先將資料、模型或程式碼上傳至 Data Drive。建立執行個體時點選 Mount，即可將 Data Drive 掛載至執行個體，供執行個體存取其中的檔案。

設定完成後，點選右下角的 Complete Checkout 建立執行個體。

BreezyVoice WebUI 執行個體約需 30–60 秒啟動。啟動後，可在 My Instances 頁面查看狀態與資訊。相關連接埠如下：

SSH Port 22：SSH 連線
HTTP Port 8888：JupyterLab
HTTP Port 8080：BreezyVoice WebUI 服務

步驟二：使用 BreezyVoice WebUI

在 My Instances 頁面，點選 HTTP Port 8080 下方的 Open，開啟 BreezyVoice WebUI。

你可以在 BreezyVoice WebUI 上傳錄音檔，或點選 Record 錄製語音樣本，建議長度為 20–30 秒。

接著在文字方塊中輸入該語音樣本的逐字稿。

在「Enter text to synthesize」文字方塊中輸入要合成的內容，點選 Synthesize Audio。生成時間約 7 秒，實際時間取決於語音檔案大小與合成內容長度。

合成完成後，點選 Play 試聽，或點選右上角的 Download，將音訊檔案儲存至 Data Drive。

步驟三：呼叫 BreezyVoice API

除了瀏覽器介面，也可以將 BreezyVoice 當作 API 服務使用。

在 My Instances 中，點選 HTTP Port 8888 的 Open 開啟 JupyterLab。接著開啟 Other 分類下的 Terminal，進入命令列介面。

在左側邊欄開啟 BreezyVoice-api.py，將連接埠從 8080 改成 8081，再按下 Ctrl + S 儲存，避免與 BreezyVoice WebUI 服務的連接埠衝突。

若要使用自訂語音樣本，請開啟 api.py，將程式碼中的音訊檔案路徑與對應逐字稿改成自己的音訊與文字。

在終端機依序執行以下命令，啟動 API 服務：

bash

cd /BreezyVoice/
python api.py

服務會監聽連接埠 8081。在 My Instances 頁面點選 New Port Forwarding，新增連接埠轉送規則。填寫以下資訊，再點選 Create：

連接埠號碼：8081
通訊協定類型：HTTPS

連接埠設定約需 15 秒。如果頁面未自動重新整理，請手動重新整理。接著點選 HTTP Port 8081 旁的 Copy，複製 API 連結。

bash

https://tw-02.access.glows.ai:23197?token=jrF2uJF3yj
# The token part is a parameter tag and can be omitted

在本機安裝 OpenAI 套件後，可以使用以下程式碼測試 API：

python

# If OpenAI is not installed, install it first via: pip install openai
import openai

client = openai.Client(base_url="https://tw-02.access.glows.ai:23197", api_key="sk-template")

response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="放學我們一起去打籃球怎麼樣，今天天氣不錯",
)

speech_file_path = "./test_speech.wav"
with open(speech_file_path, "wb") as audio_file:
    audio_file.write(response.content)

也可以使用以下 curl 命令直接呼叫 API：

bash

curl -X POST "https://tw-02.access.glows.ai:23197/v1/audio/speech" \
  -H "Authorization: Bearer sk-template" \
  -H "Content-Type: application/json" \
  --data '{
    "model": "tts-1",
    "voice": "alloy",
    "input": "放學我們一起去打籃球怎麼樣，今天天氣不錯"
  }' --output test_speech.wav

執行後，本機會產生名為 test_speech.wav 的合成語音檔案。

進階用法：Auto Deploy

前一種方式需要手動建立及釋放執行個體，若使用頻率不高，操作較為繁瑣。

你也可以使用 Glows.ai 的 Auto Deploy 服務。完成設定後會取得固定連結。連結收到請求時，Glows.ai 會自動建立執行個體並處理請求；若 5 分鐘內沒有新請求，系統會自動釋放執行個體。

請依下列步驟設定。

設定 Auto Deploy

前往 Auto Deploy 頁面，點選右上角的 New Deploy，新增部署設定。

查看設定資訊

呼叫 Auto Deploy 連結

API 呼叫方式與前述相同，只需將 API 連結換成 Auto Deploy 連結。

bash

curl -X POST "https://tw-01.sgw.glows.ai:xxxxxx/v1/audio/speech" \
  -H "Authorization: Bearer sk-template" \
  -H "Content-Type: application/json" \
  --data '{
    "model": "tts-1",
    "voice": "alloy",
    "input": "放學我們一起去打籃球怎麼樣，今天天氣不錯"
  }' --output test_speech.wav

請求完成後，若 5 分鐘內沒有新的 API 呼叫，系統會自動釋放執行個體資源。

Auto Deploy 頁面會顯示各部署的總費用與執行個體狀態。各狀態代表：

Standby：設定已就緒，目前沒有執行中的執行個體。
Idle：已收到請求，正在建立執行個體；或系統正在自動釋放執行個體。
Running：執行個體已建立並正在處理請求。完成後會等待新請求；若 5 分鐘內沒有新請求，系統會自動釋放執行個體。

聯絡我們

使用 Glows.ai 時若有問題或建議，請透過以下方式聯絡我們：

Email: support@glows.ai
Line link: https://lin.ee/fHcoDgG