{"id":19004,"date":"2026-09-12T10:45:32","date_gmt":"2026-09-12T08:45:32","guid":{"rendered":"https:\/\/www.beseit.net\/?p=19004"},"modified":"2026-09-13T16:38:56","modified_gmt":"2026-09-13T14:38:56","slug":"muntatge-dun-servidor-tts-local-amb-veu-catalana-ona-upc-a-deepin","status":"publish","type":"post","link":"https:\/\/www.beseit.net\/?p=19004","title":{"rendered":"\u00a0\u2b50Muntatge d’un servidor TTS local amb veu catalana (Ona, UPC) a Deepin"},"content":{"rendered":"\n

\ud83c\udfaf Objectius<\/h1>\n\n\n\n

L’objectiu del projecte es doble:<\/p>\n\n\n\n

    \n
  1. Instal\u00b7lar un servidor local de s\u00edntesi de veu (TTS)<\/strong> accessible a http:\/\/127.0.0.1:8765\/<\/code>, amb capacitat de conversa (STT + LLM + TTS).<\/li>\n\n\n\n
  2. Disposar d’una veu en catal\u00e0<\/strong> d’alta qualitat per a proves i integraci\u00f3, de manera que el sistema es pugui reproduir en altres punts de treball amb audio.<\/li>\n<\/ol>\n\n\n\n

    El resultat final combina dues eines complement\u00e0ries:<\/p>\n\n\n\n

      \n
    • speech-to-speech<\/code><\/strong> (servidor conversacional complet, port 8765)<\/li>\n\n\n\n
    • Piper TTS<\/strong> amb la veu Ona de la UPC<\/strong> (port 10200)<\/li>\n<\/ul>\n\n\n\n
      \n\n\n\n
       docker exec piper bash -c \"echo \\\"Hola, soc l'Ona, la meva veu s'ha desenvolupat a la UPC de Barcelona.\\\" | piper --model \/config\/ca_ES-upc_ona-medium.onnx --output_file -\" | aplay -f S16_LE -r 22050 -c 1\nPlaying WAVE 'stdin' : Signed 16 bit Little Endian, Rate 22050 Hz, Mono\n<\/mark><\/code><\/pre>\n\n\n\n
      \n\n\n\n
      \ud83d\udce6 Fase 1 \u2014 Preparaci\u00f3 de l’entorn<\/h2>\n\n\n\n
      Sistema:<\/strong> Deepin (basat en Debian)<\/p>\n\n\n\n
      sudo apt update\nsudo apt install python3 python3-pip python3-venv git docker.io -y<\/pre>\n\n\n\n
      Creaci\u00f3 de l’entorn virtual i instal\u00b7laci\u00f3 del paquet conversacional:<\/p>\n\n\n\n
      mkdir -p ~\/tts-server && cd ~\/tts-server\npython3 -m venv venv\nsource venv\/bin\/activate\npip install --upgrade pip\npip install speech-to-speech<\/pre>\n\n\n\n
      \n\n\n\n
      \ud83d\ude80 Fase 2 \u2014 Primer arrencada del servidor speech-to-speech<\/code><\/h2>\n\n\n\n
      speech-to-speech<\/pre>\n\n\n\n
      Resultats de la primera execuci\u00f3:<\/strong><\/p>\n\n\n\n
        \n
      • \u2705 Descarrega autom\u00e0tica de depend\u00e8ncies (NLTK, Silero VAD)<\/li>\n\n\n\n
      • \u2705 Descarrega del model de reconeixement de veu Parakeet TDT<\/strong> (nvidia\/parakeet-tdt-0.6b-v3, ~230 MB)<\/li>\n\n\n\n
      • \u2705 Model desat en mem\u00f2ria cau (~\/.cache\/huggingface<\/code>)<\/li>\n<\/ul>\n\n\n\n
        Incidents detectats:<\/strong><\/p>\n\n\n\n
          \n
        • \u26a0\ufe0f M\u00f2dul opcional DeepFilterNet<\/code> no disponible (millora d’\u00e0udio, no cr\u00edtic)<\/li>\n\n\n\n
        • \u26a0\ufe0f Av\u00eds de HF_TOKEN<\/code> (nom\u00e9s per a l\u00edmits de desc\u00e0rrega, no impedeix el funcionament)<\/li>\n<\/ul>\n\n\n\n
          Observaci\u00f3 important:<\/strong> el servidor escolta en protocol WebSocket<\/strong> a ws:\/\/127.0.0.1:8765\/v1\/realtime<\/code>, no \u00e9s un endpoint HTTP cl\u00e0ssic, per tant curl<\/code> no \u00e9s el client adequat per provar-lo.<\/p>\n\n\n\n
          \n\n\n\n
          \ud83d\udc33 Fase 3 \u2014 Instal\u00b7laci\u00f3 de Docker a Deepin<\/h2>\n\n\n\n
          Per al desplegament lleuger del TTS, vam instal\u00b7lar Docker:<\/p>\n\n\n\n
          sudo systemctl enable --now docker\nsudo usermod -aG docker $USER\nnewgrp docker   # activa el grup a la sessi\u00f3 actual<\/pre>\n\n\n\n
          Prova de verificaci\u00f3:<\/strong><\/p>\n\n\n\n
          docker run hello-world<\/pre>\n\n\n\n
          \u2705 Resposta: \u00abHello from Docker!\u00bb<\/em> \u2192 instal\u00b7laci\u00f3 correcta.<\/p>\n\n\n\n
          \n\n\n\n
          \ud83d\udde3\ufe0f Fase 4 \u2014 Piper TTS amb veu catalana (Ona, UPC)<\/h2>\n\n\n\n
          Creaci\u00f3 del contenidor amb la veu catalana:<\/strong><\/p>\n\n\n\n
          docker run -d \\\n  --name piper \\\n  -p 10200:10200 \\\n  -e PIPER_VOICE=ca_ES-upc_ona-medium \\\n  --restart unless-stopped \\\n  linuxserver\/piper<\/pre>\n\n\n\n
          Incident resolt:<\/strong> a la primera creaci\u00f3 sense PIPER_VOICE<\/code>, el contenidor fallava amb l’error --voice is required for the piper backend<\/code>. Calia especificar la veu mitjan\u00e7ant la variable d’entorn.<\/p>\n\n\n\n
          Logs d’\u00e8xit:<\/strong><\/p>\n\n\n\n
          INFO:wyoming_piper.download:Downloaded \/config\/ca_ES-upc_ona-medium.onnx\nINFO:__main__:Ready\nConnection to localhost (127.0.0.1) 10200 port [tcp\/*] succeeded!<\/pre>\n\n\n\n
          \u2705 Veu Ona<\/strong> (ca_ES-upc_ona-medium<\/code>, desenvolupada a la UPC de Barcelona) descarregada i carregada.<\/p>\n\n\n\n
          \n\n\n\n
          \ud83d\udd0a Fase 5 \u2014 Prova de s\u00edntesi de veu<\/h2>\n\n\n\n
          S\u00edntesi directa dins del contenidor:<\/strong><\/p>\n\n\n\n
          docker exec piper bash -c \"echo 'Hola, soc l'Ona, la meva veu s'ha desenvolupat a la UPC de Barcelona.' | piper --model \/config\/ca_ES-upc_ona-medium.onnx --output_file \/config\/prova.wav\"<\/pre>\n\n\n\n
          Extracci\u00f3 i reproducci\u00f3:<\/strong><\/p>\n\n\n\n
          docker cp piper:\/config\/prova.wav ~\/prova.wav\naplay ~\/prova.wav<\/pre>\n\n\n\n
          \n\n\n\n
          Per fer que l’\u00e0udio soni directament pels altaveus <\/mark>en lloc de guardar-lo en un fitxer,<\/p>\n\n\n\n
          docker exec piper bash -c \"echo \\\"Hola, soc l'Ona, la meva veu s'ha desenvolupat a la UPC de Barcelona.\\\" | piper --model \/config\/ca_ES-upc_ona-medium.onnx --output_file -\" | aplay -f S16_LE -r 22050 -c 1\n<\/pre>\n\n\n\n
          Despres d’un canvi de sessi\u00f3 o inicialitzaci\u00f3 pot arrancar aix\u00ed:<\/p>\n\n\n\n
          \"\"<\/figure>\n\n\n\n
          Aqu\u00ed tens la comanda modificada utilitzant aplay<\/code><\/strong> (el reproductor est\u00e0ndard d’ALSA a Linux):<\/p>\n\n\n\n
          \n\n\n\n
          \u2705 Fitxer WAV generat correctament: 220 kB, 22.050 Hz, 16 bits, mono<\/strong>
          \u26a0\ufe0f La reproducci\u00f3 d’\u00e0udio no es va poder verificar en aquest equip per manca de sortida d’\u00e0udio.<\/em><\/p>\n\n\n\n
          \n\n\n\n
          \ud83d\udcca Resultats finals<\/h2>\n\n\n\n
          Servei<\/th>Port<\/th>Protocol<\/th>Estat<\/th><\/tr><\/thead>
          speech-to-speech<\/strong> (STT+LLM+TTS)<\/td>8765<\/td>WebSocket (\/v1\/realtime<\/code>)<\/td>\u2705 Instal\u00b7lat (models en cau)<\/td><\/tr>
          Piper TTS<\/strong> (veu Ona, catal\u00e0)<\/td>10200<\/td>Wyoming<\/td>\u2705 Funcionant<\/td><\/tr>
          Docker<\/strong><\/td>\u2014<\/td>\u2014<\/td>\u2705 Operatiu<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
          Arxius i ubicacions clau:<\/strong><\/p>\n\n\n\n