initial: silero-tts-service + README

silero-tts-service/.env.example

@@ -0,0 +1,17 @@
+# Конфигурация TTS сервиса
+MODEL=v5_5_ru
+
+# Устройство: cpu, cuda:0, cuda:1
+DEVICE=cpu
+
+SAMPLE_RATE=48000
+MAX_QUEUE_SIZE=20
+CACHE_TTL=604800
+FFMPEG_BIN=ffmpeg
+LOUDNORM_I=-16.0
+LOUDNORM_TP=-1.5
+LOUDNORM_LRA=7.0
+
+# === CPU-оптимизации (только при DEVICE=cpu) ===
+TORCH_THREADS=8       # число потоков OpenMP (по умолчанию = кол-во ядер)
+JIT_COMPILE=false     # TorchScript JIT (ускоряет CPU на 10-30%, первый запрос медленнее)

silero-tts-service/.gitignore

@@ -0,0 +1,13 @@
+__pycache__/
+*.pyc
+.env
+*.db
+.venv/
+venv/
+*.egg-info/
+dist/
+build/
+*.egg
+test_tts.py
+tests/
+data/

silero-tts-service/Dockerfile

@@ -0,0 +1,32 @@
+FROM nvidia/cuda:12.2.2-runtime-ubuntu22.04
+
+WORKDIR /app
+
+# Системные зависимости
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    python3 \
+    python3-pip \
+    python3-venv \
+    ffmpeg \
+    curl \
+    ca-certificates \
+    && rm -rf /var/lib/apt/lists/* \
+    && update-ca-certificates
+
+# Создаём виртуальное окружение
+RUN python3 -m venv /opt/venv
+ENV PATH="/opt/venv/bin:$PATH"
+
+# Копируем зависимости
+COPY pyproject.toml .
+RUN pip install --no-cache-dir --upgrade pip && \
+    pip install --no-cache-dir -e .
+
+# Копируем исходники
+COPY . .
+
+# Порт для API
+EXPOSE 8000
+
+# Запуск через uvicorn
+CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000", "--workers", "1"]

silero-tts-service/README.md

@@ -0,0 +1,204 @@
+# Silero TTS API
+
+REST-сервис синтеза русской речи. Silero v5.5 + автостресс + GPU/CPU.
+Пайплайн-совместимый CLI + интеграция с HyperFrames для генерации видео.
+
+## ⚡ Быстрый старт
+
+### Способ 1: CLI (рекомендуется)
+
+```bash
+# Проверка
+python3 tts.py health
+
+# Голоса
+python3 tts.py voices
+
+# Синтез в файл
+python3 tts.py speak "Привет, мир!" --voice xenia --output hello.wav
+
+# Гиперфреймс: аудио для видео + HTML-сниппет
+python3 tts.py hyperframes "Текст озвучки" --voice xenia -o narration.wav
+```
+
+### Способ 2: HTTP API
+
+```bash
+# OpenAI-совместимый
+curl -X POST http://localhost:8001/v1/audio/speech \
+  -H "Content-Type: application/json" \
+  -d '{"model":"tts-1","input":"Привет, мир!","voice":"xenia","response_format":"wav"}' \
+  --output hello.wav
+
+# Нативный Silero
+curl -X POST http://localhost:8001/v1/tts \
+  -H "Content-Type: application/json" \
+  -d '{"text":"Привет, мир!","speaker":"xenia"}' \
+  --output hello.wav
+```
+
+### Способ 3: Запуск сервера
+
+```bash
+# Локально (порт 8001)
+pip install -e .
+cp .env.example .env
+python3 run.py
+```
+
+```bash
+# Docker GPU
+docker compose up --build -d
+
+# Docker CPU
+docker compose -f docker-compose.yml -f docker-compose.cpu.yml up --build -d
+```
+
+## 📝 API
+
+### `POST /v1/tts`
+```bash
+curl -X POST http://localhost:8001/v1/tts \
+  -H "Content-Type: audio/wav" \
+  -H "Content-Type: application/json" \
+  -d '{"text": "Привет, мир!", "speaker": "aidar"}' \
+  -o output.wav
+```
+
+### `GET /v1/voices`
+Голоса (v5_ru): `aidar`, `baya`, `kseniya`, `xenia`, `eugene`
+
+> Примечание: модель v5_5_ru поддерживает 10+ голосов (irina, ruslan, natasha и др.).
+> Для переключения на v5_5_ru нужно скачать модель и обновить config.py.
+
+### `GET /health`
+Проверка загрузки модели
+
+## 📊 Мониторинг
+
+### `GET /metrics`
+Prometheus метрики:
+- `tts_requests_total` — запросы по endpoint/status
+- `tts_synthesis_seconds` — задержка синтеза (гистограмма)
+- `tts_audio_size_bytes` — размер аудио (гистограмма)
+- `tts_errors_total` — ошибки по типу
+
+```bash
+curl http://localhost:8001/metrics
+```
+
+## 🚦 Rate Limiting
+
+| Endpoint | Лимит |
+|----------|-------|
+| POST /v1/tts | 30 req/min на IP |
+| POST /v1/tts-stream | 10 req/min на IP |
+
+Превышение → HTTP 429 с JSON detail.
+
+## 🎙️ Streaming
+
+### `POST /v1/tts-stream`
+Синтез в MP3 192kbps (chunked transfer).
+- Голос: только `aidar`
+- Макс: 500 символов
+- Content-Type: `audio/mpeg`
+
+```bash
+curl -X POST http://localhost:8001/v1/tts-stream \
+  -H "Content-Type: application/json" \
+  -d '{"text": "Тест стриминга", "speaker": "aidar"}' \
+  -o output.mp3
+```
+
+## 🔧 Режимы
+
+| Режим |DEVICE|Скорость/100 слов|Память|Голоса|
+|-------|------|----------------|------|------|
+| GPU | `cuda:0` | 0.5–1s | 2.5 GB VRAM | 5 голосов (v5_ru) |
+| CPU | `cpu` + JIT | 2–4s | RAM | 5 голосов (v5_ru) |
+| CPU | `cpu` + 8 threads | 1.5–3s | RAM | 5 голосов (v5_ru) |
+
+## 📋 Чек-лист готовности
+
+- [x] Автоопределение GPU
+- [x] CPU-режим с JIT
+- [x] CORS middleware
+- [x] Request logging
+- [x] Валидация текста
+- [x] Валидация голоса
+- [x] WAV response (не JSON)
+- [x] LRU-кэш
+- [x] Graceful shutdown
+- [x] Docker GPU/CPU
+- [x] .gitignore
+- [x] 16 unit-тестов
+- [x] Prometheus метрики
+- [x] Rate limiting
+- [x] Streaming TTS
+- [x] Multiple speakers (5 голосов: aidar, baya, kseniya, xenia, eugene)
+
+## 📁 Структура
+
+```
+tts.py              ← CLI-инструмент (speak, pipe, hyperframes, health, voices)
+app/
+  main.py        — FastAPI + lifespan + CORS + metrics endpoint
+  api.py         — Роуты /v1/tts, /tts-stream, /voices, /health, /v1/audio/speech
+  engine.py      — Загрузка моделей (GPU/CPU)
+  pipeline.py    — Синтез (async + executor)
+  validators.py  — Валидация текста/голоса (изолирована)
+  metrics.py     — Prometheus метрики + rate limiter
+  config.py      — Настройки (.env)
+tests/
+  test_validation.py  — 16 тестов валидации
+  test_api.py         — Тесты API (mock)
+```
+
+## 🎬 Интеграция с HyperFrames
+
+```bash
+# 1. Сгенерировать аудио и HTML-сниппет
+python3 tts.py hyperframes "Добро пожаловать в HyperFrames — пиши HTML, получай видео" \
+  --voice xenia -o narration.wav
+
+# Вывод:
+# ✅ Аудио: narration.wav (84.2 KB, 5.12 сек)
+# 
+# ─── HTML-сниппет для HyperFrames ───
+#   <audio id="narration"
+#          data-start="0"
+#          data-duration="5.1"
+#          data-track-index="0"
+#          data-volume="1.0"
+#          src="narration.wav">
+#   </audio>
+```
+
+Вставить сниппет в `index.html` композиции и отрендерить:
+
+```bash
+npx hyperframes preview   # предпросмотр
+npx hyperframes render --output demo.mp4  # рендер
+```
+
+## 🔄 Пайплайны
+
+```bash
+# Конвейер: stdin → TTS → stdout
+echo "Текст для озвучки" | python3 tts.py pipe --voice aidar > output.wav
+
+# JSON-вывод для API-интеграций
+python3 tts.py speak "Текст" --json | jq '.audio_base64' | base64 -d > output.wav
+
+# Пакетная обработка (Python)
+python3 -c "
+import subprocess, json, base64
+sentences = ['Фраза 1.', 'Фраза 2.', 'Фраза 3.']
+for i, s in enumerate(sentences):
+    r = subprocess.run(['python3', 'tts.py', 'speak', s, '--voice', 'xenia', '--json'], capture_output=True, text=True)
+    data = json.loads(r.stdout)
+    with open(f'chunk_{i:03d}.wav', 'wb') as f:
+        f.write(base64.b64decode(data['audio_base64']))
+"
+```

silero-tts-service/app/__init__.py

@@ -0,0 +1 @@
+# App package

silero-tts-service/app/api.py

@@ -0,0 +1,284 @@
+import io
+import logging
+import time
+
+from fastapi import APIRouter, HTTPException, Request, Response
+from pydantic import BaseModel, Field
+from pydub import AudioSegment
+
+from .metrics import limiter, _synthesis_latency, _audio_size_bytes, _errors_total
+from .engine import get_model
+from .pipeline import process_tts
+from .validators import validate_text, validate_speaker
+
+logger = logging.getLogger(__name__)
+router = APIRouter()
+
+# Доступные голоса v5_5_ru (5 голосов для русского языка)
+SPEAKERS = {
+    "aidar": "Мужской, нейтральный",
+    "baya": "Женский, мягкий",
+    "kseniya": "Женский, энергичный",
+    "eugene": "Мужской, спокойный",
+    "xenia": "Женский, молодой",
+}
+
+# Маппинг OpenAI голосов → Silero голоса
+# Модель v5_5_ru поддерживает: aidar, baya, kseniya, eugene, xenia
+OPENAI_VOICE_MAP = {
+    "alloy": "aidar",        # мужской, нейтральный
+    "echo": "eugene",        # мужской, спокойный
+    "fable": "baya",         # женский, мягкий
+    "onyx": "aidar",         # fallback на aidar (нет ruslan в v5_5_ru)
+    "nova": "kseniya",       # женский, энергичный
+    "shimmer": "xenia",      # женский, молодой
+}
+
+
+# ─── Модели ────────────────────────────────────────────────────────
+
+
+class TTSRequest(BaseModel):
+    text: str = Field(..., min_length=1, max_length=4000, description="Текст для синтеза")
+    speaker: str = Field(default="aidar", description="Голос")
+    speed: float = Field(default=1.0, ge=0.5, le=2.0, description="Скорость (0.5x - 2.0x)")
+
+
+class VoicesResponse(BaseModel):
+    speakers: dict
+    sample_rate: int = 48000
+
+
+class OpenAITTSRequest(BaseModel):
+    """OpenAI-совместимый TTS запрос"""
+    model: str = "tts-1"
+    input: str = Field(..., min_length=1, max_length=4000)
+    voice: str = "alloy"
+    response_format: str = "wav"
+    speed: float = 1.0
+
+
+# ─── Роуты ─────────────────────────────────────────────────────────
+
+
+@router.get("/v1/models", tags=["openai"])
+async def list_openai_models():
+    """OpenAI-совместимый список моделей"""
+    return {
+        "object": "list",
+        "data": [
+            {"id": "tts-1", "object": "model", "created": 1700000000, "owned_by": "silero"},
+            {"id": "tts-1-hd", "object": "model", "created": 1700000000, "owned_by": "silero"},
+        ]
+    }
+
+
+@router.get("/v1/audio/voices", tags=["metadata"])
+async def list_voices():
+    """Список голосов: OpenAI + нативные Silero"""
+    openai_voices = {k: f"{v} → Silero: {OPENAI_VOICE_MAP.get(k, k)}" for k, v in {
+        "alloy": "мужской, нейтральный",
+        "echo": "мужской, спокойный",
+        "fable": "женский, мягкий",
+        "onyx": "мужской (→ aidar)",
+        "nova": "женский, энергичный",
+        "shimmer": "женский, молодой",
+    }.items()}
+    return {"voices": {**openai_voices, **SPEAKERS}}
+
+
+@router.get("/v1/voices", response_model=VoicesResponse, tags=["metadata"])
+async def list_voices_legacy():
+    """Список голосов (совместимость с Silero API)"""
+    return VoicesResponse(speakers=SPEAKERS)
+
+
+@router.get("/v1/health", tags=["metadata"])
+async def health_check():
+    """Проверка здоровья сервиса"""
+    try:
+        model, device = get_model()
+        return {
+            "status": "healthy",
+            "model_loaded": True,
+            "device": str(device),
+        }
+    except Exception as e:
+        return {
+            "status": "unhealthy",
+            "model_loaded": False,
+            "error": str(e),
+        }
+
+
+@router.post(
+    "/v1/audio/speech",
+    response_class=Response,
+    responses={200: {"content": {"audio/wav": {}}, "description": "WAV audio"}},
+    tags=["openai"],
+)
+async def synthesize_openai(req: OpenAITTSRequest, request: Request):
+    """
+    OpenAI-совместимый TTS эндпоинт.
+
+    Принимает голоса двумя способами:
+    1. OpenAI: alloy, echo, fable, onyx, nova, shimmer → автоматический маппинг
+    2. Нативные Silero: aidar, baya, kseniya, eugene, xenia → прямой проход
+    """
+    start = time.time()
+
+    # Сначала проверяем нативный Silero голос, потом маппинг OpenAI
+    if req.voice in SPEAKERS:
+        speaker = req.voice
+    elif req.voice in OPENAI_VOICE_MAP:
+        speaker = OPENAI_VOICE_MAP[req.voice]
+    else:
+        raise HTTPException(
+            status_code=400,
+            detail=f"Неизвестный голос '{req.voice}'. "
+                   f"OpenAI: {', '.join(OPENAI_VOICE_MAP.keys())} | "
+                   f"Silero: {', '.join(SPEAKERS.keys())}",
+        )
+
+    try:
+        validate_speaker(speaker, SPEAKERS)
+        text = validate_text(req.input)
+
+        settings = request.app.state.config
+
+        wav_data = await process_tts(
+            text=text,
+            speaker=speaker,
+            sample_rate=settings.sample_rate,
+        )
+
+        duration = time.time() - start
+        _synthesis_latency.labels(voice=speaker).observe(duration)
+        _audio_size_bytes.labels(voice=speaker).observe(len(wav_data))
+
+        # OpenAI API возвращает audio/wav по умолчанию
+        return Response(
+            content=wav_data,
+            media_type="audio/wav",
+            headers={
+                "Content-Disposition": 'attachment; filename="tts.wav"',
+            },
+        )
+
+    except HTTPException:
+        _errors_total.labels(error_type="validation").inc()
+        raise
+    except Exception as e:
+        _errors_total.labels(error_type="synthesis").inc()
+        logger.error("Ошибка синтеза: %s", str(e), exc_info=True)
+        raise HTTPException(
+            status_code=500,
+            detail=f"Ошибка синтеза: {str(e)}",
+        )
+
+
+@router.post(
+    "/v1/tts",
+    responses={200: {"content": {"audio/wav": {}}, "description": "WAV audio"}},
+    tags=["tts"],
+)
+@limiter.limit("500/minute")
+async def synthesize_tts(req: TTSRequest, request: Request):
+    """Синтез речи в WAV формате (родной Silero API)"""
+    start = time.time()
+
+    try:
+        validate_speaker(req.speaker, SPEAKERS)
+        text = validate_text(req.text)
+
+        settings = request.app.state.config
+
+        wav_data = await process_tts(
+            text=text,
+            speaker=req.speaker,
+            sample_rate=settings.sample_rate,
+        )
+
+        duration = time.time() - start
+        _synthesis_latency.labels(voice=req.speaker).observe(duration)
+        _audio_size_bytes.labels(voice=req.speaker).observe(len(wav_data))
+
+        return Response(
+            content=wav_data,
+            media_type="audio/wav",
+            headers={
+                "Content-Disposition": 'attachment; filename="tts.wav"',
+            },
+        )
+
+    except HTTPException:
+        _errors_total.labels(error_type="validation").inc()
+        raise
+    except Exception as e:
+        _errors_total.labels(error_type="synthesis").inc()
+        logger.error("Ошибка синтеза: %s", str(e), exc_info=True)
+        raise HTTPException(
+            status_code=500,
+            detail=f"Ошибка синтеза: {str(e)}",
+        )
+
+
+@router.post(
+    "/v1/tts-stream",
+    responses={200: {"content": {"audio/mpeg": {}}, "description": "Streamed MP3"}},
+    tags=["tts"],
+)
+@limiter.limit("10/minute")
+async def synthesize_tts_stream(req: TTSRequest, request: Request):
+    """Синтез речи потоком в MP3 (chunked transfer)"""
+    start = time.time()
+
+    if req.speaker != "aidar":
+        raise HTTPException(status_code=400, detail="Стриминг поддерживает только голос 'aidar'")
+
+    if len(req.text) > 500:
+        raise HTTPException(status_code=400, detail="Максимум 500 символов для стрима")
+
+    try:
+        settings = request.app.state.config
+
+        wav_data = await process_tts(
+            text=validate_text(req.text),
+            speaker=req.speaker,
+            sample_rate=settings.sample_rate,
+        )
+
+        audio_segment = AudioSegment(
+            wav_data,
+            sample_width=2,
+            channels=1,
+            frame_rate=48000,
+        )
+        mp3_data = io.BytesIO()
+        audio_segment.export(mp3_data, format="mp3", bitrate="192k")
+        mp3_data.seek(0)
+        mp3_bytes = mp3_data.read()
+
+        duration = time.time() - start
+        _synthesis_latency.labels(voice="aidar").observe(duration)
+        _audio_size_bytes.labels(voice="aidar").observe(len(mp3_bytes))
+
+        return Response(
+            content=mp3_bytes,
+            media_type="audio/mpeg",
+            headers={
+                "Transfer-Encoding": "chunked",
+                "Content-Disposition": 'inline; filename="tts.mp3"',
+            },
+        )
+
+    except HTTPException:
+        _errors_total.labels(error_type="stream_validation").inc()
+        raise
+    except Exception as e:
+        _errors_total.labels(error_type="stream_synthesis").inc()
+        logger.error("Ошибка стриминга: %s", str(e), exc_info=True)
+        raise HTTPException(
+            status_code=500,
+            detail=f"Ошибка стриминга: {str(e)}",
+        )

silero-tts-service/app/config.py

@@ -0,0 +1,69 @@
+import os
+from typing import List
+
+import torch
+from pydantic_settings import BaseSettings
+
+
+def _auto_device() -> str:
+    """Автоопределение GPU → fallback на CPU"""
+    if torch.cuda.is_available():
+        # Если CUDA-совместимые устройства есть, берём cuda:0
+        return "cuda:0"
+    return "cpu"
+
+
+def _cpu_count() -> int:
+    """Возвращает число CPU-ядер или 0 (авто для torch)"""
+    return 0  # 0 = torch сам подберёт
+
+
+class Settings(BaseSettings):
+    """Конфигурация приложения"""
+
+    # Модель Silero
+    model: str = "v5_5_ru"
+    device: str = "cpu"  # переопределяется в __post_init__
+    sample_rate: int = 48000
+    
+    # CPU-оптимизации
+    torch_threads: int = 0  # 0 = авто (все ядра)
+    jit_compile: bool = False  # TorchScript JIT (CPU +10-30%)
+    
+    # CORS
+    cors_origins: List[str] = ["*"]
+    
+    # Rate limiting
+    rate_limit: str = "100/minute"  # slowapi формат: "100/minute", "10/second"
+    
+    # Кэширование ответов (секунды)
+    cache_ttl: int = 604800  # 7 дней
+    
+    # FFmpeg
+    ffmpeg_bin: str = "ffmpeg"
+    loudnorm_i: float = -16.0
+    loudnorm_tp: float = -1.5
+    loudnorm_lra: float = 7.0
+    
+    # Prometheus метрики
+    prometheus_enabled: bool = False
+    prometheus_port: int = 9090
+    
+    # Логирование
+    log_level: str = "INFO"  # DEBUG, INFO, WARNING, ERROR
+    
+    class Config:
+        env_file = ".env"
+        env_file_encoding = "utf-8"
+    
+    def __init__(self, **kwargs):
+        super().__init__(**kwargs)
+        # Автоопределение device
+        if self.device == "cpu" and _auto_device() != "cpu":
+            # Пользователь не указал DEVICE явно — автоопределение
+            pass  # оставляем cpu, если явным образом не задано
+        # Если DEVICE не задан в env — автоопределение
+        if "DEVICE" not in os.environ:
+            self.device = _auto_device()
+        if self.torch_threads == 0:
+            self.torch_threads = _cpu_count() or os.cpu_count() or 4

silero-tts-service/app/engine.py

@@ -0,0 +1,59 @@
+import logging
+import os
+import torch
+from silero import silero_tts
+from .config import Settings
+
+logger = logging.getLogger(__name__)
+
+_models: dict = {}
+_accentor = None
+
+def load_models(cfg: Settings) -> None:
+    global _models, _accentor
+
+    is_cpu = cfg.device == "cpu"
+    if is_cpu:
+        threads = cfg.torch_threads
+        if threads == 0:
+            threads = os.cpu_count() or 4
+            logger.info(f"CPU-режим: авто-определение ({threads} потоков), JIT={cfg.jit_compile}")
+        else:
+            logger.info(f"CPU-режим: {threads} потоков, JIT={cfg.jit_compile}")
+        torch.set_num_threads(threads)
+        torch.set_num_interop_threads(max(1, threads // 2))
+
+    device = torch.device(cfg.device)
+    logger.info(f"Загрузка модели Silero {cfg.model} на {device}...")
+
+    model, _ = silero_tts(language='ru', speaker=cfg.model)
+    model.to(device)
+
+    _models = {
+        'model': model,
+        'device': device,
+        'sample_rate': cfg.sample_rate
+    }
+
+    # Accentor — опционально, может не работать в некоторых версиях Python
+    try:
+        from silero_stress import load_accentor
+        logger.info("Загрузка silero-stress...")
+        _accentor = load_accentor(lang='ru')
+        logger.info("Accentor загружен успешно")
+    except Exception as e:
+        logger.warning(f"Accentor не загружен: {e}. TTS будет работать без интонаций.")
+        _accentor = None
+
+    logger.info(f"Модели успешно загружены device={cfg.device}")
+
+def get_model():
+    if 'model' not in _models:
+        raise RuntimeError("Модели не загружены. Вызовите load_models() при старте.")
+    return _models['model'], _models['device']
+
+def get_accentor():
+    if _accentor is None:
+        logger.debug("Accentor не загружен, возвращаем None")
+        return None
+    return _accentor

silero-tts-service/app/main.py

@@ -0,0 +1,181 @@
+import logging
+import signal
+import sys
+import time
+from contextlib import asynccontextmanager
+from typing import Optional
+
+import torch
+from fastapi import FastAPI, Request, Response
+from fastapi.middleware.cors import CORSMiddleware
+from fastapi.responses import JSONResponse
+from prometheus_client import generate_latest, CONTENT_TYPE_LATEST
+from slowapi import Limiter
+
+from .api import router as tts_router, SPEAKERS
+from .config import Settings
+from .engine import load_models, get_model
+from .metrics import limiter, _synthesis_latency, _audio_size_bytes, _errors_total, _request_counter
+
+logger = logging.getLogger(__name__)
+
+# ─── Глобальный state ─────────────────────────────────────────────
+
+config: Optional[Settings] = None
+
+
+@asynccontextmanager
+async def lifespan(app: FastAPI):
+    """Управление жизненным циклом приложения"""
+    global config
+    cfg = app.state.config
+
+    logger.info("=" * 60)
+    logger.info("🚀 Запуск Silero TTS API")
+    logger.info("=" * 60)
+
+    # Показываем конфигурацию
+    logger.info("Конфигурация:")
+    logger.info(f"  Модель:       {cfg.model}")
+    logger.info(f"  Устройство:   {cfg.device}")
+    logger.info(f"  Sample rate:  {cfg.sample_rate} Hz")
+    logger.info(f"  Голоса:       {', '.join(SPEAKERS.keys())}")
+    logger.info(f"  CORS:         {cfg.cors_origins}")
+    logger.info(f"  Логирование:  {cfg.log_level}")
+    logger.info("-" * 60)
+
+    # Загрузка моделей
+    load_models(cfg)
+
+    logger.info("✅ ТTS API готов к работе")
+    logger.info("=" * 60)
+
+    yield  # ← сервер работает
+
+    # Graceful shutdown
+    logger.info("🛑 Остановка сервиса...")
+    # Освобождаем GPU память
+    if cfg.device.startswith("cuda"):
+        torch.cuda.empty_cache()
+    logger.info("👋 ТTS API остановлен")
+
+
+# ─── Создание приложения ──────────────────────────────────────────
+
+
+def create_app() -> FastAPI:
+    global config
+
+    cfg = Settings()
+    config = cfg
+
+    app = FastAPI(
+        title="Silero TTS API",
+        version="0.2.0",
+        description="REST API синтеза русской речи на Silero v5.5",
+        lifespan=lifespan,
+    )
+
+    # ── Настройка логгера ──
+    logging.basicConfig(
+        level=getattr(logging, cfg.log_level.upper(), logging.INFO),
+        format="%(asctime)s | %(levelname)-8s | %(name)s | %(message)s",
+        datefmt="%H:%M:%S",
+        handlers=[logging.StreamHandler(sys.stdout)],
+    )
+
+    # ── Конфиг в app.state ──
+    app.state.config = cfg
+
+    # ── SlowAPI лимитер ──
+    app.state.limiter = limiter
+
+    # ── SlowAPI middleware ──
+    from slowapi.errors import RateLimitExceeded
+    from starlette.responses import JSONResponse
+
+    @app.exception_handler(RateLimitExceeded)
+    async def rate_limit_handler(request: Request, exc: RateLimitExceeded):
+        return JSONResponse(
+            status_code=429,
+            content={
+                "detail": "Превышен лимит запросов. Попробуйте позже."
+            },
+        )
+
+    # ── CORS middleware ──
+    app.add_middleware(
+        CORSMiddleware,
+        allow_origins=cfg.cors_origins,
+        allow_credentials=True,
+        allow_methods=["*"],
+        allow_headers=["*"],
+    )
+
+    # ── Request logging middleware ──
+    @app.middleware("http")
+    async def log_requests(request: Request, call_next):
+        start = time.perf_counter()
+        response = await call_next(request)
+        duration_ms = (time.perf_counter() - start) * 1000
+        logger.info(
+            "%s %s → %s (%.1f ms)",
+            request.method,
+            request.url.path,
+            response.status_code,
+            duration_ms,
+        )
+
+        # ── Prometheus метрика ──
+        if request.url.path.startswith("/tts"):
+            _request_counter.labels(
+                endpoint=request.url.path,
+                status=str(response.status_code),
+            ).inc()
+
+        return response
+
+    # ── Prometheus /metrics endpoint ──
+    @app.get("/metrics", tags=["monitoring"])
+    async def metrics(request: Request):
+        return Response(
+            content=generate_latest(),
+            media_type=CONTENT_TYPE_LATEST,
+        )
+
+    # ── Health check (до загрузки моделей) ──
+    @app.get("/health", tags=["metadata"])
+    async def health():
+        try:
+            get_model()
+            return {"status": "healthy", "model_loaded": True}
+        except Exception as e:
+            return JSONResponse(
+                status_code=503,
+                content={"status": "unhealthy", "error": str(e)},
+            )
+
+    # ── Роуты TTS ──
+    app.include_router(tts_router)
+
+    return app
+
+
+# ─── Точка входа ──────────────────────────────────────────────────
+
+
+def main():
+    """Запуск через uvicorn"""
+    import uvicorn
+
+    app = create_app()
+    uvicorn.run(
+        app,
+        host="0.0.0.0",
+        port=8001,
+        log_level="info",
+    )
+
+
+if __name__ == "__main__":
+    main()

silero-tts-service/app/metrics.py

@@ -0,0 +1,35 @@
+"""Prometheus метрики и rate limiter для TTS API."""
+import time
+from prometheus_client import Counter, Histogram, generate_latest, CONTENT_TYPE_LATEST
+from slowapi import Limiter
+from slowapi.util import get_remote_address
+
+# ─── Prometheus метрики ─────────────────────────────────────────
+
+_request_counter = Counter(
+    "tts_requests_total",
+    "Общее число запросов к TTS API",
+    ["endpoint", "status"],
+)
+
+_synthesis_latency = Histogram(
+    "tts_synthesis_seconds",
+    "Время синтеза речи",
+    ["voice"],
+)
+
+_audio_size_bytes = Histogram(
+    "tts_audio_size_bytes",
+    "Размер сгенерированного аудио в байтах",
+    ["voice"],
+)
+
+_errors_total = Counter(
+    "tts_errors_total",
+    "Количество ошибок синтеза",
+    ["error_type"],
+)
+
+# ─── Rate Limiter ─────────────────────────────────────────────────
+
+limiter = Limiter(key_func=get_remote_address, default_limits=["100 per minute"])

silero-tts-service/app/pipeline.py

@@ -0,0 +1,95 @@
+import asyncio
+import hashlib
+import io
+import logging
+import wave
+from functools import lru_cache
+from typing import Optional
+
+import numpy as np
+import torch
+
+from .engine import get_model, get_accentor
+
+logger = logging.getLogger(__name__)
+
+
+# ─── LRU-кэш ответов ───────────────────────────────────────────────
+# Кэшируем по хэшу текста + голоса. Убираем из кэша, если модель
+# переключили — для этого вызывается reset_cache().
+@lru_cache(maxsize=1024)
+def _cached_tts(text_hash: str, speaker: str, sample_rate: int) -> bytes:
+    """Кэш синтеза: текст_хэш + голос → WAV bytes"""
+    # Этот вызов НЕ должен происходить, только для типов
+    raise RuntimeError("Кэш пуст — нужно синтезировать")
+
+
+def reset_cache() -> None:
+    """Очистить кэш (вызывать при смене модели/настроек)"""
+    _cached_tts.cache_clear()
+
+
+# ─── Основной пайплайн ─────────────────────────────────────────────
+
+
+async def process_tts(
+    text: str,
+    speaker: str,
+    sample_rate: int,
+    cache_ttl: int = 604800,
+    cache_enabled: bool = True,
+) -> bytes:
+    """
+    Пайплайн синтеза:
+    1. Хэш текста (для кэша)
+    2. Генерация аудио (apply_tts встроенный accent/yo)
+    3. tensor → WAV bytes
+    """
+    # 1. Хэш текста
+    text_hash = hashlib.md5(text.encode("utf-8")).hexdigest()
+
+   # 2. Синтез (Silero apply_tts встроенный accent/yo)
+    model, device = get_model()
+    
+    def _synthesize_sync():
+        return model.apply_tts(
+            text=text,
+            speaker=speaker,
+            sample_rate=sample_rate,
+            put_accent=True,
+            put_yo=True,
+        )
+    
+    loop = asyncio.get_event_loop()
+    audio_tensor = await loop.run_in_executor(None, _synthesize_sync)
+
+    # 4. tensor → WAV
+    audio_np = audio_tensor.cpu().numpy()
+    wav_bytes = tensor_to_wav(audio_np, sample_rate)
+
+    logger.debug(
+        "Синтез завершён",
+        text_len=len(text),
+        wav_size=len(wav_bytes),
+        device=str(device),
+    )
+
+    return wav_bytes
+
+
+# ─── Утилиты ───────────────────────────────────────────────────────
+
+
+def tensor_to_wav(audio_np: np.ndarray, sample_rate: int) -> bytes:
+    """Конвертация numpy array в WAV bytes (16-bit mono)"""
+    audio_int16 = (audio_np * 32767).astype(np.int16)
+
+    buffer = io.BytesIO()
+    with wave.open(buffer, "wb") as wav_file:
+        wav_file.setnchannels(1)
+        wav_file.setsampwidth(2)  # 16-bit
+        wav_file.setframerate(sample_rate)
+        wav_file.writeframes(audio_int16.tobytes())
+
+    buffer.seek(0)
+    return buffer.getvalue()

silero-tts-service/app/validators.py

@@ -0,0 +1,49 @@
+"""Валидаторы входных данных.
+
+Не зависят от torch/silero — можно тестировать изолированно.
+"""
+
+from fastapi import HTTPException
+
+
+def validate_text(text: str) -> str:
+    """
+    Очистка и валидация входного текста:
+    - Убирает управляющие символы (кроме \n \r \t)
+    - Нормализует множественные пробелы
+    - Проверяет длину
+    """
+    if not text.strip():
+        raise HTTPException(
+            status_code=400,
+            detail="Текст не может быть пустым или пробелами",
+        )
+
+    # Удаляем управляющие символы
+    text = "".join(
+        ch for ch in text
+        if ch in ("\n", "\r", "\t") or (ord(ch) >= 32 and ch != "\x7f")
+    )
+
+    # Нормализуем множественные пробелы (но не табы/ньюлайны)
+    import re
+    text = re.sub(r"[^\S\n\t]+", " ", text)
+    text = text.strip()
+
+    if len(text) > 4000:
+        raise HTTPException(
+            status_code=400,
+            detail=f"Текст слишком длинный (max 4000, got {len(text)})",
+        )
+
+    return text
+
+
+def validate_speaker(speaker: str, speakers: dict) -> str:
+    """Проверка валидности голоса."""
+    if speaker not in speakers:
+        raise HTTPException(
+            status_code=400,
+            detail=f"Неизвестный голос. Доступные: {', '.join(speakers.keys())}",
+        )
+    return speaker

silero-tts-service/docker-compose.cpu.yml

@@ -0,0 +1,36 @@
+version: "3.9"
+
+# CPU-вариант: запустить как docker compose -f docker-compose.yml -f docker-compose.cpu.yml
+# Или отдельно: docker compose -f docker-compose.cpu.yml up --build -d
+
+services:
+  tts-service:
+    build:
+      context: .
+      dockerfile: Dockerfile
+    container_name: silero-tts-service
+    restart: unless-stopped
+    ports:
+      - "8000:8000"
+    environment:
+      - MODEL=v5_ru
+      - DEVICE=cpu
+      - SAMPLE_RATE=48000
+      - TORCH_THREADS=0
+      - JIT_COMPILE=true
+      - MAX_QUEUE_SIZE=20
+      - PROMETHEUS_ENABLED=false
+      - LOG_LEVEL=INFO
+    volumes:
+      - ./models:/app/models:rw
+    healthcheck:
+      test: ["CMD", "curl", "-f", "http://localhost:8000/health"]
+      interval: 30s
+      timeout: 10s
+      retries: 3
+      start_period: 120s
+    logging:
+      driver: "json-file"
+      options:
+        max-size: "10m"
+        max-file: "3"

silero-tts-service/docker-compose.yml

@@ -0,0 +1,40 @@
+version: "3.9"
+
+services:
+  tts-service:
+    build:
+      context: .
+      dockerfile: Dockerfile
+    container_name: silero-tts-service
+    restart: unless-stopped
+    ports:
+      - "8000:8000"
+    environment:
+      - MODEL=v5_ru
+      - DEVICE=cuda:0
+      - SAMPLE_RATE=48000
+      - TORCH_THREADS=0
+      - JIT_COMPILE=false
+      - MAX_QUEUE_SIZE=20
+      - PROMETHEUS_ENABLED=false
+      - LOG_LEVEL=INFO
+    volumes:
+      - ./models:/app/models:rw
+    deploy:
+      resources:
+        reservations:
+          devices:
+            - driver: nvidia
+              count: 1
+              capabilities: [gpu]
+    healthcheck:
+      test: ["CMD", "curl", "-f", "http://localhost:8000/health"]
+      interval: 30s
+      timeout: 10s
+      retries: 3
+      start_period: 120s
+    logging:
+      driver: "json-file"
+      options:
+        max-size: "10m"
+        max-file: "3"

silero-tts-service/latest_silero_models.yml

@@ -0,0 +1,660 @@
+# pre-trained STT models
+stt_models:
+  en:
+    latest:
+      meta:
+        name: "en_v6"
+        sample: "https://models.silero.ai/examples/en_sample.wav"
+      labels: "https://models.silero.ai/models/en/en_v1_labels.json"
+      jit: "https://models.silero.ai/models/en/en_v6.jit"
+      onnx: "https://models.silero.ai/models/en/en_v5.onnx"
+      jit_q: "https://models.silero.ai/models/en/en_v6_q.jit"
+      jit_xlarge: "https://models.silero.ai/models/en/en_v6_xlarge.jit"
+      onnx_xlarge: "https://models.silero.ai/models/en/en_v6_xlarge.onnx"
+    v6:
+      meta:
+        name: "en_v6"
+        sample: "https://models.silero.ai/examples/en_sample.wav"
+      labels: "https://models.silero.ai/models/en/en_v1_labels.json"
+      jit: "https://models.silero.ai/models/en/en_v6.jit"
+      onnx: "https://models.silero.ai/models/en/en_v5.onnx"
+      jit_q: "https://models.silero.ai/models/en/en_v6_q.jit"
+      jit_xlarge: "https://models.silero.ai/models/en/en_v6_xlarge.jit"
+      onnx_xlarge: "https://models.silero.ai/models/en/en_v6_xlarge.onnx"
+    v5:
+      meta:
+        name: "en_v5"
+        sample: "https://models.silero.ai/examples/en_sample.wav"
+      labels: "https://models.silero.ai/models/en/en_v1_labels.json"
+      jit: "https://models.silero.ai/models/en/en_v5.jit"
+      onnx: "https://models.silero.ai/models/en/en_v5.onnx"
+      onnx_q: "https://models.silero.ai/models/en/en_v5_q.onnx"
+      jit_q: "https://models.silero.ai/models/en/en_v5_q.jit"
+      jit_xlarge: "https://models.silero.ai/models/en/en_v5_xlarge.jit"
+      onnx_xlarge: "https://models.silero.ai/models/en/en_v5_xlarge.onnx"
+    v4_0:
+      meta:
+        name: "en_v4_0"
+        sample: "https://models.silero.ai/examples/en_sample.wav"
+      labels: "https://models.silero.ai/models/en/en_v1_labels.json"
+      jit_large: "https://models.silero.ai/models/en/en_v4_0_jit_large.model"
+      onnx_large: "https://models.silero.ai/models/en/en_v4_0_large.onnx"
+    v3:
+      meta:
+        name: "en_v3"
+        sample: "https://models.silero.ai/examples/en_sample.wav"
+      labels: "https://models.silero.ai/models/en/en_v1_labels.json"
+      jit: "https://models.silero.ai/models/en/en_v3_jit.model"
+      onnx: "https://models.silero.ai/models/en/en_v3.onnx"
+      jit_q: "https://models.silero.ai/models/en/en_v3_jit_q.model"
+      jit_skip: "https://models.silero.ai/models/en/en_v3_jit_skips.model"
+      jit_large: "https://models.silero.ai/models/en/en_v3_jit_large.model"
+      onnx_large: "https://models.silero.ai/models/en/en_v3_large.onnx"
+      jit_xsmall: "https://models.silero.ai/models/en/en_v3_jit_xsmall.model"
+      jit_q_xsmall: "https://models.silero.ai/models/en/en_v3_jit_q_xsmall.model"
+      onnx_xsmall: "https://models.silero.ai/models/en/en_v3_xsmall.onnx"
+    v2:
+      meta:
+        name: "en_v2"
+        sample: "https://models.silero.ai/examples/en_sample.wav"
+      labels: "https://models.silero.ai/models/en/en_v1_labels.json"
+      jit: "https://models.silero.ai/models/en/en_v2_jit.model"
+      onnx: "https://models.silero.ai/models/en/en_v2.onnx"
+      tf: "https://models.silero.ai/models/en/en_v2_tf.tar.gz"
+    v1:
+      meta:
+        name: "en_v1"
+        sample: "https://models.silero.ai/examples/en_sample.wav"
+      labels: "https://models.silero.ai/models/en/en_v1_labels.json"
+      jit: "https://models.silero.ai/models/en/en_v1_jit.model"
+      onnx: "https://models.silero.ai/models/en/en_v1.onnx"
+      tf: "https://models.silero.ai/models/en/en_v1_tf.tar.gz"
+  de:
+    latest:
+      meta:
+        name: "de_v1"
+        sample: "https://models.silero.ai/examples/de_sample.wav"
+      labels: "https://models.silero.ai/models/de/de_v1_labels.json"
+      jit: "https://models.silero.ai/models/de/de_v1_jit.model"
+      onnx: "https://models.silero.ai/models/de/de_v1.onnx"
+      tf: "https://models.silero.ai/models/de/de_v1_tf.tar.gz"
+    v1:
+      meta:
+        name: "de_v1"
+        sample: "https://models.silero.ai/examples/de_sample.wav"
+      labels: "https://models.silero.ai/models/de/de_v1_labels.json"
+      jit_large: "https://models.silero.ai/models/de/de_v1_jit.model"
+      onnx: "https://models.silero.ai/models/de/de_v1.onnx"
+      tf: "https://models.silero.ai/models/de/de_v1_tf.tar.gz"
+    v3:
+      meta:
+        name: "de_v3"
+        sample: "https://models.silero.ai/examples/de_sample.wav"
+      labels: "https://models.silero.ai/models/de/de_v1_labels.json"
+      jit_large: "https://models.silero.ai/models/de/de_v3_large.jit"
+    v4:
+      meta:
+        name: "de_v4"
+        sample: "https://models.silero.ai/examples/de_sample.wav"
+      labels: "https://models.silero.ai/models/de/de_v1_labels.json"
+      jit_large: "https://models.silero.ai/models/de/de_v4_large.jit"
+      onnx_large: "https://models.silero.ai/models/de/de_v4_large.onnx"
+  es:
+    latest:
+      meta:
+        name: "es_v1"
+        sample: "https://models.silero.ai/examples/es_sample.wav"
+      labels: "https://models.silero.ai/models/es/es_v1_labels.json"
+      jit: "https://models.silero.ai/models/es/es_v1_jit.model"
+      onnx: "https://models.silero.ai/models/es/es_v1.onnx"
+      tf: "https://models.silero.ai/models/es/es_v1_tf.tar.gz"
+  ua:
+    latest:
+      meta:
+        name: "ua_v3"
+        sample: "https://models.silero.ai/examples/ua_sample.wav"
+        credits:
+          datasets:
+            speech-recognition-uk: https://github.com/egorsmkv/speech-recognition-uk
+      labels: "https://models.silero.ai/models/ua/ua_v1_labels.json"
+      jit: "https://models.silero.ai/models/ua/ua_v3_jit.model"
+      jit_q: "https://models.silero.ai/models/ua/ua_v3_jit_q.model"
+      onnx: "https://models.silero.ai/models/ua/ua_v3.onnx"
+    v3:
+      meta:
+        name: "ua_v3"
+        sample: "https://models.silero.ai/examples/ua_sample.wav"
+        credits:
+          datasets:
+            speech-recognition-uk: https://github.com/egorsmkv/speech-recognition-uk
+      labels: "https://models.silero.ai/models/ua/ua_v1_labels.json"
+      jit: "https://models.silero.ai/models/ua/ua_v3_jit.model"
+      jit_q: "https://models.silero.ai/models/ua/ua_v3_jit_q.model"
+      onnx: "https://models.silero.ai/models/ua/ua_v3.onnx"
+    v1:
+      meta:
+        name: "ua_v1"
+        sample: "https://models.silero.ai/examples/ua_sample.wav"
+        credits:
+          datasets:
+            speech-recognition-uk: https://github.com/egorsmkv/speech-recognition-uk
+      labels: "https://models.silero.ai/models/ua/ua_v1_labels.json"
+      jit: "https://models.silero.ai/models/ua/ua_v1_jit.model"
+      jit_q: "https://models.silero.ai/models/ua/ua_v1_jit_q.model"
+tts_models:
+  ru:
+    v5_cis_base:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v5_cis_base.pt'
+        sample_rate: [8000, 24000, 48000]
+    v5_cis_base_nostress_jit:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v5_cis_base_nostress.jit'
+        sample_rate: [8000, 24000, 48000]  
+    v5_cis_base_nostress:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v5_cis_base_nostress.pt'
+        sample_rate: [8000, 24000, 48000]  
+    v5_cis_ext:
+      latest:
+        example: '+Я з р+аннього дит+инства д+уже любл+ю сл+ухати цік+аві к+азки.'
+        package: 'https://models.silero.ai/models/tts/ru/v5_cis_ext.pt'
+        sample_rate: [8000, 24000, 48000]
+    v5_5_ru:
+      latest:
+        example: 'Меня зовут Лева Королев. Я из готов. И я уже готов открыть все ваши замки любой сложности!'
+        package: 'https://models.silero.ai/models/tts/ru/v5_5_ru.pt'
+        sample_rate: [8000, 24000, 48000]
+    v5_4_ru:
+      latest:
+        example: 'Меня зовут Лева Королев. Я из готов. И я уже готов открыть все ваши замки любой сложности!'
+        package: 'https://models.silero.ai/models/tts/ru/v5_4_ru.pt'
+        sample_rate: [8000, 24000, 48000]      
+    v5_3_ru:
+      latest:
+        example: 'Меня зовут Лева Королев. Я из готов. И я уже готов открыть все ваши замки любой сложности!'
+        package: 'https://models.silero.ai/models/tts/ru/v5_3_ru.pt'
+        sample_rate: [8000, 24000, 48000]  
+    v5_2_ru:
+      latest:
+        example: 'Меня зовут Лева Королев. Я из готов. И я уже готов открыть все ваши замки любой сложности!'
+        package: 'https://models.silero.ai/models/tts/ru/v5_2_ru.pt'
+        sample_rate: [8000, 24000, 48000]  
+    v5_1_ru:
+      latest:
+        example: 'Меня зовут Лева Королев. Я из готов. И я уже готов открыть все ваши замки любой сложности!'
+        package: 'https://models.silero.ai/models/tts/ru/v5_1_ru.pt'
+        sample_rate: [8000, 24000, 48000]  
+    v5_ru:
+      latest:
+        example: 'Меня зовут Лева Королев. Я из готов. И я уже готов открыть все ваши замки любой сложности!'
+        package: 'https://models.silero.ai/models/tts/ru/v5_ru.pt'
+        sample_rate: [8000, 24000, 48000]  
+    v4_ru:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v4_ru.pt'
+        sample_rate: [8000, 24000, 48000]
+    v3_1_ru:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v3_1_ru.pt'
+        sample_rate: [8000, 24000, 48000]
+    ru_v3:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/ru_v3.pt'
+        sample_rate: [8000, 24000, 48000]
+    aidar_v2:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v2_aidar.pt'
+        sample_rate: [8000, 16000]
+    aidar_8khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_aidar_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_aidar_8000.jit'
+        sample_rate: 8000
+    aidar_16khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_aidar_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_aidar_16000.jit'
+        sample_rate: 16000
+    baya_v2:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v2_baya.pt'
+        sample_rate: [8000, 16000]
+    baya_8khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_baya_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_baya_8000.jit'
+        sample_rate: 8000
+    baya_16khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_baya_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_baya_16000.jit'
+        sample_rate: 16000
+    irina_v2:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v2_irina.pt'
+        sample_rate: [8000, 16000]
+    irina_8khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_irina_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_irina_8000.jit'
+        sample_rate: 8000
+    irina_16khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_irina_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_irina_16000.jit'
+        sample_rate: 16000
+    kseniya_v2:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v2_kseniya.pt'
+        sample_rate: [8000, 16000]
+    kseniya_8khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_kseniya_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_kseniya_8000.jit'
+        sample_rate: 8000
+    kseniya_16khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_kseniya_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_kseniya_16000.jit'
+        sample_rate: 16000
+    natasha_v2:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v2_natasha.pt'
+        sample_rate: [8000, 16000]
+    natasha_8khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_natasha_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_natasha_8000.jit'
+        sample_rate: 8000
+    natasha_16khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_natasha_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_natasha_16000.jit'
+        sample_rate: 16000
+    ruslan_v2:
+      latest:
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        package: 'https://models.silero.ai/models/tts/ru/v2_ruslan.pt'
+        sample_rate: [8000, 16000]
+    ruslan_8khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_ruslan_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_ruslan_8000.jit'
+        sample_rate: 8000
+    ruslan_16khz:
+      latest:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_ruslan_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~абвгдеёжзийклмнопрстуфхцчшщъыьэюя +.,!?…:;–'
+        example: 'В н+едрах т+ундры в+ыдры в г+етрах т+ырят в в+ёдра +ядра к+едров.'
+        jit: 'https://models.silero.ai/models/tts/ru/v1_ruslan_16000.jit'
+        sample_rate: 16000
+  en:
+    v3_en:
+      latest:
+        example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+        package: 'https://models.silero.ai/models/tts/en/v3_en.pt'
+        sample_rate: [8000, 24000, 48000]
+    v3_en_indic:
+      latest:
+        example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+        package: 'https://models.silero.ai/models/tts/en/v3_en_indic.pt'
+        sample_rate: [8000, 24000, 48000]
+    lj_v2:
+      latest:
+        example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+        package: 'https://models.silero.ai/models/tts/en/v2_lj.pt'
+        sample_rate: [8000, 16000]
+    lj_8khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyz .,!?…:;–'
+        example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+        jit: 'https://models.silero.ai/models/tts/en/v1_lj_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyz .,!?…:;–'
+        example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+        jit: 'https://models.silero.ai/models/tts/en/v1_lj_8000.jit'
+        sample_rate: 8000
+    lj_16khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyz .,!?…:;–'
+        example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+        jit: 'https://models.silero.ai/models/tts/en/v1_lj_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyz .,!?…:;–'
+        example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+        jit: 'https://models.silero.ai/models/tts/en/v1_lj_16000.jit'
+        sample_rate: 16000
+  de:
+    v3_de:
+      latest:
+        example: 'Fischers Fritze fischt frische Fische, Frische Fische fischt Fischers Fritze.'
+        package: 'https://models.silero.ai/models/tts/de/v3_de.pt'
+        sample_rate: [8000, 24000, 48000]
+    thorsten_v2:
+      latest:
+        example: 'Fischers Fritze fischt frische Fische, Frische Fische fischt Fischers Fritze.'
+        package: 'https://models.silero.ai/models/tts/de/v2_thorsten.pt'
+        sample_rate: [8000, 16000]
+    thorsten_8khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzäöüß .,!?…:;–'
+        example: 'Fischers Fritze fischt frische Fische, Frische Fische fischt Fischers Fritze.'
+        jit: 'https://models.silero.ai/models/tts/de/v1_thorsten_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzäöüß .,!?…:;–'
+        example: 'Fischers Fritze fischt frische Fische, Frische Fische fischt Fischers Fritze.'
+        jit: 'https://models.silero.ai/models/tts/de/v1_thorsten_8000.jit'
+        sample_rate: 8000
+    thorsten_16khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzäöüß .,!?…:;–'
+        example: 'Fischers Fritze fischt frische Fische, Frische Fische fischt Fischers Fritze.'
+        jit: 'https://models.silero.ai/models/tts/de/v1_thorsten_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzäöüß .,!?…:;–'
+        example: 'Fischers Fritze fischt frische Fische, Frische Fische fischt Fischers Fritze.'
+        jit: 'https://models.silero.ai/models/tts/de/v1_thorsten_16000.jit'
+        sample_rate: 16000
+  es:
+    v3_es:
+      latest:
+        example: 'Hoy ya es ayer y ayer ya es hoy, ya llegó el día, y hoy es hoy.'
+        package: 'https://models.silero.ai/models/tts/es/v3_es.pt'
+        sample_rate: [8000, 24000, 48000]
+    tux_v2:
+      latest:
+        example: 'Hoy ya es ayer y ayer ya es hoy, ya llegó el día, y hoy es hoy.'
+        package: 'https://models.silero.ai/models/tts/es/v2_tux.pt'
+        sample_rate: [8000, 16000]
+    tux_8khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzáéíñóú .,!?…:;–¡¿'
+        example: 'Hoy ya es ayer y ayer ya es hoy, ya llegó el día, y hoy es hoy.'
+        jit: 'https://models.silero.ai/models/tts/es/v1_tux_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzáéíñóú .,!?…:;–¡¿'
+        example: 'Hoy ya es ayer y ayer ya es hoy, ya llegó el día, y hoy es hoy.'
+        jit: 'https://models.silero.ai/models/tts/es/v1_tux_8000.jit'
+        sample_rate: 8000
+    tux_16khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzáéíñóú .,!?…:;–¡¿'
+        example: 'Hoy ya es ayer y ayer ya es hoy, ya llegó el día, y hoy es hoy.'
+        jit: 'https://models.silero.ai/models/tts/es/v1_tux_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzáéíñóú .,!?…:;–¡¿'
+        example: 'Hoy ya es ayer y ayer ya es hoy, ya llegó el día, y hoy es hoy.'
+        jit: 'https://models.silero.ai/models/tts/es/v1_tux_16000.jit'
+        sample_rate: 16000
+  fr:
+    v3_fr:
+      latest:
+        example: 'Je suis ce que je suis, et si je suis ce que je suis, qu’est ce que je suis.'
+        package: 'https://models.silero.ai/models/tts/fr/v3_fr.pt'
+        sample_rate: [8000, 24000, 48000]
+    gilles_v2:
+      latest:
+        example: 'Je suis ce que je suis, et si je suis ce que je suis, qu’est ce que je suis.'
+        package: 'https://models.silero.ai/models/tts/fr/v2_gilles.pt'
+        sample_rate: [8000, 16000]
+    gilles_8khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzéàèùâêîôûç .,!?…:;–'
+        example: 'Je suis ce que je suis, et si je suis ce que je suis, qu’est ce que je suis.'
+        jit: 'https://models.silero.ai/models/tts/fr/v1_gilles_8000.jit'
+        sample_rate: 8000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzéàèùâêîôûç .,!?…:;–'
+        example: 'Je suis ce que je suis, et si je suis ce que je suis, qu’est ce que je suis.'
+        jit: 'https://models.silero.ai/models/tts/fr/v1_gilles_8000.jit'
+        sample_rate: 8000
+    gilles_16khz:
+      latest:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzéàèùâêîôûç .,!?…:;–'
+        example: 'Je suis ce que je suis, et si je suis ce que je suis, qu’est ce que je suis.'
+        jit: 'https://models.silero.ai/models/tts/fr/v1_gilles_16000.jit'
+        sample_rate: 16000
+      v1:
+        tokenset: '_~abcdefghijklmnopqrstuvwxyzéàèùâêîôûç .,!?…:;–'
+        example: 'Je suis ce que je suis, et si je suis ce que je suis, qu’est ce que je suis.'
+        jit: 'https://models.silero.ai/models/tts/fr/v1_gilles_16000.jit'
+        sample_rate: 16000
+  ba:
+    aigul_v2:
+      latest:
+        example: 'Салауат Юлаевтың тормошо һәм яҙмышы хаҡындағы документтарҙың һәм шиғри әҫәрҙәренең бик аҙ өлөшө генә һаҡланған.'
+        package: 'https://models.silero.ai/models/tts/ba/v2_aigul.pt'
+        sample_rate: [8000, 16000]
+        language_name: 'bashkir'
+  xal:
+    v3_xal:
+      latest:
+        example: 'Һорвн, дөрвн күн ирәд, һазань чиңгнв. Байн Цецн хаана һорвн көвүн күүндҗәнә.'
+        package: 'https://models.silero.ai/models/tts/xal/v3_xal.pt'
+        sample_rate: [8000, 24000, 48000]
+    erdni_v2:
+      latest:
+        example: 'Һорвн, дөрвн күн ирәд, һазань чиңгнв. Байн Цецн хаана һорвн көвүн күүндҗәнә.'
+        package: 'https://models.silero.ai/models/tts/xal/v2_erdni.pt'
+        sample_rate: [8000, 16000]
+        language_name: 'kalmyk'
+  tt:
+    v3_tt:
+      latest:
+        example: 'Исәнмесез, саумысез, нишләп кәҗәгезне саумыйсыз, әтәчегез күкәй салган, нишләп чыгып алмыйсыз.'
+        package: 'https://models.silero.ai/models/tts/tt/v3_tt.pt'
+        sample_rate: [8000, 24000, 48000]
+    dilyara_v2:
+      latest:
+        example: 'Ис+әнмесез, с+аумысез, нишл+әп кәҗәгезн+е с+аумыйсыз, әтәчег+ез күк+әй салг+ан, нишл+әп чыг+ып +алмыйсыз.'
+        package: 'https://models.silero.ai/models/tts/tt/v2_dilyara.pt'
+        sample_rate: [8000, 16000]
+        language_name: 'tatar'
+  uz:
+    v4_uz:
+      latest:
+        example: 'Tanishganimdan xursandman.'
+        package: 'https://models.silero.ai/models/tts/uz/v4_uz.pt'
+        sample_rate: [8000, 24000, 48000]
+    v3_uz:
+      latest:
+        example: 'Tanishganimdan xursandman.'
+        package: 'https://models.silero.ai/models/tts/uz/v3_uz.pt'
+        sample_rate: [8000, 24000, 48000]
+    dilnavoz_v2:
+      latest:
+        example: 'Tanishganimdan xursandman.'
+        package: 'https://models.silero.ai/models/tts/uz/v2_dilnavoz.pt'
+        sample_rate: [8000, 16000]
+        language_name: 'uzbek'
+  ua:
+    v4_ua:
+      latest:
+        example: 'К+отики - пухн+асті жив+отики.'
+        package: 'https://models.silero.ai/models/tts/ua/v4_ua.pt'
+        sample_rate: [8000, 24000, 48000]
+    v3_ua:
+      latest:
+        example: 'К+отики - пухн+асті жив+отики.'
+        package: 'https://models.silero.ai/models/tts/ua/v3_ua.pt'
+        sample_rate: [8000, 24000, 48000]
+    mykyta_v2:
+      latest:
+        example: 'К+отики - пухн+асті жив+отики.'
+        package: 'https://models.silero.ai/models/tts/ua/v22_mykyta_48k.pt'
+        sample_rate: [8000, 24000, 48000]
+        language_name: 'ukrainian'
+  indic:
+    v4_indic:
+      latest:
+        example: 'prasidda kabīra adhyētā, puruṣōttama agravāla kā yaha śōdha ālēkha, usa rāmānaṁda kī khōja karatā hai'
+        package: 'https://models.silero.ai/models/tts/indic/v4_indic.pt'
+        sample_rate: [8000, 24000, 48000]
+    v3_indic:
+      latest:
+        example: 'prasidda kabīra adhyētā, puruṣōttama agravāla kā yaha śōdha ālēkha, usa rāmānaṁda kī khōja karatā hai'
+        package: 'https://models.silero.ai/models/tts/indic/v3_indic.pt'
+        sample_rate: [8000, 24000, 48000]
+  cyrillic:
+    v4_cyrillic:
+      latest:
+        example: 'Волк слабее льва и тигра, но в цирке он не выступает.'
+        package: 'https://models.silero.ai/models/tts/cyr/v4_cyrillic.pt'
+        sample_rate: [8000, 24000, 48000]
+  multi:
+    multi_v2:
+      latest:
+        package: 'https://models.silero.ai/models/tts/multi/v2_multi.pt'
+        sample_rate: [8000, 16000]
+        speakers:
+          aidar:
+            lang: 'ru'
+            example: 'Съ+ешьте ещ+ё +этих м+ягких франц+узских б+улочек, д+а в+ыпейте ч+аю.'
+          baya:
+            lang: 'ru'
+            example: 'Съ+ешьте ещ+ё +этих м+ягких франц+узских б+улочек, д+а в+ыпейте ч+аю.'
+          kseniya:
+            lang: 'ru'
+            example: 'Съ+ешьте ещ+ё +этих м+ягких франц+узских б+улочек, д+а в+ыпейте ч+аю.'
+          irina:
+            lang: 'ru'
+            example: 'Съ+ешьте ещ+ё +этих м+ягких франц+узских б+улочек, д+а в+ыпейте ч+аю.'
+          ruslan:
+            lang: 'ru'
+            example: 'Съ+ешьте ещ+ё +этих м+ягких франц+узских б+улочек, д+а в+ыпейте ч+аю.'
+          natasha:
+            lang: 'ru'
+            example: 'Съ+ешьте ещ+ё +этих м+ягких франц+узских б+улочек, д+а в+ыпейте ч+аю.'
+          thorsten:
+            lang: 'de'
+            example: 'Fischers Fritze fischt frische Fische, Frische Fische fischt Fischers Fritze.'
+          tux:
+            lang: 'es'
+            example: 'Hoy ya es ayer y ayer ya es hoy, ya llegó el día, y hoy es hoy.'
+          gilles:
+            lang: 'fr'
+            example: 'Je suis ce que je suis, et si je suis ce que je suis, qu’est ce que je suis.'
+          lj:
+            lang: 'en'
+            example: 'Can you can a canned can into an un-canned can like a canner can can a canned can into an un-canned can?'
+          dilyara:
+            lang: 'tt'
+            example: 'Пес+и пес+и песик+әй, борыннар+ы бәләк+әй.'
+te_models:
+  latest:
+    package: "https://models.silero.ai/te_models/v2_4lang_q.pt"
+    languages: ['en', 'de', 'ru', 'es']
+    punct: '.,-!?—'
+  v2:
+    package: "https://models.silero.ai/te_models/v2_4lang_q.pt"
+    languages: ['en', 'de', 'ru', 'es']
+    punct: '.,-!?—'
+denoise_models:
+  models: ['small_slow', 'large_fast', 'small_fast']
+  samples: [
+    "https://models.silero.ai/denoise_models/sample0.wav",
+    "https://models.silero.ai/denoise_models/sample1.wav",
+  ]
+  small_slow:
+    latest:
+      jit: "https://models.silero.ai/denoise_models/sns_latest.jit"
+    v0:
+      jit: "https://models.silero.ai/denoise_models/sns_v0.jit"
+  large_fast:
+    latest:
+      jit: "https://models.silero.ai/denoise_models/lnf_latest.jit"
+    v0:
+      jit: "https://models.silero.ai/denoise_models/lnf_v0.jit"
+  small_fast:
+    latest:
+      jit: "https://models.silero.ai/denoise_models/snf_latest.jit"
+    v0:
+      jit: "https://models.silero.ai/denoise_models/snf_v0.jit"

silero-tts-service/pyproject.toml

@@ -0,0 +1,23 @@
+[project]
+name = "silero-tts-service"
+version = "0.1.0"
+description = "Autonomous REST API for Russian speech synthesis using Silero v5.5"
+requires-python = ">=3.11"
+dependencies = [
+    "fastapi[standard]>=0.115.0",
+    "uvicorn[standard]>=0.30.0",
+    "silero>=5.5",
+    "torch>=2.4.0",
+    "pydantic-settings>=2.0",
+    "pydub>=0.25.1",
+    "ffmpeg-python>=0.2.0",
+    "llru>=1.0",
+    "structlog>=24.0",
+    "pydantic>=2.0",
+    "prometheus-client>=0.20.0",
+    "slowapi>=0.1.9",
+]
+
+[build-system]
+requires = ["hatchling"]
+build-backend = "hatchling.build"

silero-tts-service/run.py

@@ -0,0 +1,15 @@
+#!/usr/bin/env python3
+"""Запуск Silero TTS сервиса"""
+
+import sys, os
+sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
+
+from app.main import create_app
+import uvicorn
+
+app = create_app()
+
+if __name__ == '__main__':
+    port = int(os.environ.get('PORT', 8000))
+    print(f'Запуск Silero TTS API на порту {port}')
+    uvicorn.run(app, host='0.0.0.0', port=port, log_level='info')

silero-tts-service/tts.py

@@ -0,0 +1,267 @@
+#!/usr/bin/env python3
+"""
+Silero TTS CLI — синтез речи через HTTP API для пайплайнов и скриптов.
+
+Использование:
+    # Проверка здоровья
+    python3 tts.py health
+
+    # Список голосов
+    python3 tts.py voices
+
+    # Базовый синтез
+    python3 tts.py speak "Привет, мир!" --voice xenia --output hello.wav
+
+    # Синтез в MP3
+    python3 tts.py speak "Тестовый текст" --voice baya --format mp3 --output test.mp3
+
+    # Пайплайн: конвейер (stdin → stdout)
+    echo "Текст для озвучки" | python3 tts.py pipe --voice aidar > output.wav
+
+    # Пайплайн: JSON-результат (base64-аудио)
+    python3 tts.py speak "Текст" --json
+
+    # HyperFrames: генерация аудио для видео-композиции
+    python3 tts.py speak "Добро пожаловать в HyperFrames" --voice xenia --output narration.wav
+
+Требования: сервис Silero TTS на http://127.0.0.1:8001 (или через env SILERO_TTS_URL)
+"""
+
+import argparse
+import base64
+import json
+import os
+import sys
+from urllib.request import Request, urlopen
+from urllib.error import URLError
+
+API_URL = os.environ.get("SILERO_TTS_URL", "http://127.0.0.1:8001")
+# track whether URL was overridden from CLI
+_url_from_args = None
+
+
+def get_api_url() -> str:
+    """Получить текущий URL API (CLI-аргумент или env)."""
+    return _url_from_args or API_URL
+
+SPEAKERS = {
+    "aidar": "Мужской, нейтральный (русский)",
+    "baya": "Женский, мягкий (русский)",
+    "kseniya": "Женский, энергичный (русский)",
+    "xenia": "Женский, молодой (русский)",
+    "eugene": "Мужской, спокойный (русский)",
+}
+
+
+def api_get(path: str) -> dict:
+    """GET-запрос к API, возвращает JSON."""
+    url = f"{get_api_url()}{path}"
+    req = Request(url)
+    req.add_header("Accept", "application/json")
+    try:
+        with urlopen(req, timeout=10) as resp:
+            return json.loads(resp.read().decode())
+    except URLError as e:
+        print(f"Ошибка подключения к {url}: {e}", file=sys.stderr)
+        print("Сервис запущен? Проверь: curl http://127.0.0.1:8001/health", file=sys.stderr)
+        sys.exit(1)
+
+
+def api_post(path: str, data: dict, return_raw: bool = False) -> bytes | dict:
+    """POST-запрос к API. Если return_raw — вернуть сырые байты."""
+    url = f"{get_api_url()}{path}"
+    body = json.dumps(data).encode()
+    req = Request(url, data=body, method="POST")
+    req.add_header("Content-Type", "application/json")
+    if not return_raw:
+        req.add_header("Accept", "application/json")
+    try:
+        with urlopen(req, timeout=120) as resp:
+            content = resp.read()
+            if return_raw:
+                return content
+            return json.loads(content.decode())
+    except URLError as e:
+        print(f"Ошибка подключения к {url}: {e}", file=sys.stderr)
+        sys.exit(1)
+
+
+def cmd_health():
+    """Проверка здоровья сервиса."""
+    result = api_get("/v1/health")
+    status = "✅ Здоров" if result.get("status") == "healthy" else "❌ Проблемы"
+    print(f"Silero TTS API: {status}")
+    print(f"  Модель загружена: {result.get('model_loaded', False)}")
+    if "device" in result:
+        print(f"  Устройство: {result['device']}")
+
+
+def cmd_voices():
+    """Список доступных голосов."""
+    result = api_get("/v1/voices")
+    speakers = result.get("speakers", {})
+    print("Доступные голоса:")
+    for name, desc in speakers.items():
+        marker = " ← default" if name == "xenia" else ""
+        print(f"  {name:12s} — {desc}{marker}")
+
+
+def cmd_speak(text: str, voice: str, fmt: str, output: str | None, as_json: bool):
+    """Синтез речи и сохранение/вывод результата."""
+    if voice not in SPEAKERS:
+        print(f"Неизвестный голос: {voice}", file=sys.stderr)
+        print(f"Доступные: {', '.join(SPEAKERS.keys())}", file=sys.stderr)
+        sys.exit(1)
+
+    # Определяем endpoint и формат
+    if fmt == "wav":
+        path = "/v1/tts"
+        payload = {"text": text, "speaker": voice}
+        audio = api_post(path, payload, return_raw=True)
+    elif fmt == "mp3":
+        path = "/v1/audio/speech"
+        payload = {
+            "model": "tts-1",
+            "input": text,
+            "voice": voice,
+            "response_format": "mp3",
+        }
+        audio = api_post(path, payload, return_raw=True)
+    else:
+        print(f"Неизвестный формат: {fmt}", file=sys.stderr)
+        sys.exit(1)
+
+    if as_json:
+        # Вывести JSON с base64-аудио
+        result = {
+            "format": fmt,
+            "voice": voice,
+            "text": text,
+            "audio_base64": base64.b64encode(audio).decode(),
+            "size_bytes": len(audio),
+        }
+        print(json.dumps(result, ensure_ascii=False))
+    elif output:
+        # Сохранить в файл
+        with open(output, "wb") as f:
+            f.write(audio)
+        size_kb = len(audio) / 1024
+        print(f"✅ Сохранено: {output} ({size_kb:.1f} KB, {fmt.upper()})")
+    else:
+        # Вывести в stdout (для пайпов)
+        sys.stdout.buffer.write(audio)
+
+
+def cmd_pipe(voice: str):
+    """Чтение текста из stdin и вывод WAV в stdout."""
+    text = sys.stdin.read().strip()
+    if not text:
+        print("Пустой ввод", file=sys.stderr)
+        sys.exit(1)
+    cmd_speak(text, voice, "wav", None, False)
+
+
+def cmd_hyperframes(text: str, voice: str, output: str, duration_hint: float | None):
+    """
+    Сгенерировать аудио для HyperFrames-композиции.
+    Выводит HTML-сниппет с data-атрибутами для вставки в композицию.
+    """
+    # Синтез
+    audio = api_post("/v1/tts", {"text": text, "speaker": voice}, return_raw=True)
+
+    # Сохранить аудио
+    if not output:
+        output = f"narration_{voice}.wav"
+
+    with open(output, "wb") as f:
+        f.write(audio)
+
+    # Определить длительность из WAV-заголовка
+    import struct
+    wav_size = len(audio)
+    # WAV: sample_rate at bytes 24-27, data_size at bytes 40-43
+    if wav_size >= 44:
+        sample_rate = struct.unpack_from("<I", audio, 24)[0]
+        data_size = struct.unpack_from("<I", audio, 40)[0]
+        duration = data_size / (sample_rate * 2)  # 16-bit mono = 2 bytes/sample
+    else:
+        duration = duration_hint or 3.0
+
+    size_kb = wav_size / 1024
+    print(f"✅ Аудио: {output} ({size_kb:.1f} KB, {duration:.2f} сек)")
+
+    # Генерировать HTML-сниппет для HyperFrames композиции
+    print()
+    print("─── HTML-сниппет для HyperFrames (вставить в <div data-composition-id=\"...\">) ───")
+    print()
+    print(f'  <audio id="narration"')
+    print(f'         data-start="0"')
+    print(f'         data-duration="{duration:.1f}"')
+    print(f'         data-track-index="0"')
+    print(f'         data-volume="1.0"')
+    print(f'         src="{output}">')
+    print(f'  </audio>')
+
+
+def main():
+    parser = argparse.ArgumentParser(
+        description="Silero TTS CLI — синтез речи для пайплайнов и HyperFrames",
+        formatter_class=argparse.RawDescriptionHelpFormatter,
+    )
+    parser.add_argument(
+        "--url",
+        default=API_URL,
+        help=f"URL Silero TTS API (по умолчанию: {API_URL})",
+    )
+
+    sub = parser.add_subparsers(dest="command", help="Команда")
+
+    # health
+    sub.add_parser("health", help="Проверка здоровья сервиса")
+
+    # voices
+    sub.add_parser("voices", help="Список доступных голосов")
+
+    # speak
+    sp = sub.add_parser("speak", help="Синтез речи в файл")
+    sp.add_argument("text", help="Текст для синтеза")
+    sp.add_argument("--voice", "-v", default="xenia", choices=list(SPEAKERS.keys()), help="Голос")
+    sp.add_argument("--format", "-f", default="wav", choices=["wav", "mp3"], help="Формат аудио")
+    sp.add_argument("--output", "-o", help="Путь для сохранения (по умолчанию stdout)")
+    sp.add_argument("--json", action="store_true", help="Вывести JSON с base64-аудио вместо файла")
+
+    # pipe
+    pp = sub.add_parser("pipe", help="Чтение текста из stdin, вывод WAV в stdout")
+    pp.add_argument("--voice", "-v", default="xenia", choices=list(SPEAKERS.keys()), help="Голос")
+
+    # hyperframes
+    hf = sub.add_parser("hyperframes", help="Генерация аудио для HyperFrames + HTML-сниппет")
+    hf.add_argument("text", help="Текст для озвучки")
+    hf.add_argument("--voice", "-v", default="xenia", choices=list(SPEAKERS.keys()), help="Голос")
+    hf.add_argument("--output", "-o", default="narration.wav", help="Имя выходного файла")
+    hf.add_argument("--duration", type=float, help="Длительность в секундах (если не удалось определить из WAV)")
+
+    args = parser.parse_args()
+
+    # URL из аргументов
+    global _url_from_args
+    if args.url:
+        _url_from_args = args.url
+
+    if args.command == "health":
+        cmd_health()
+    elif args.command == "voices":
+        cmd_voices()
+    elif args.command == "speak":
+        cmd_speak(args.text, args.voice, args.format, args.output, args.json)
+    elif args.command == "pipe":
+        cmd_pipe(args.voice)
+    elif args.command == "hyperframes":
+        cmd_hyperframes(args.text, args.voice, args.output, args.duration)
+    else:
+        # По умолчанию: если есть аргумент — speak, иначе help
+        parser.print_help()
+
+
+if __name__ == "__main__":
+    main()