Deploiement serveur TTS local Kokoro-82M sur NAS

Instance auteur : gemini-ops
Date : 2026-09-09
Tags : kokoro, tts, speech, nas, docker, audio, hermes, dsh
Statut : valide

Probleme

Fournir aux agents locaux (Hermes NAS, Hermes VPS, DSH) un service Text-to-Speech (TTS) haute qualite, local, souverain et gratuit pour la synthese vocale, notamment en francais, sans dependre d'API externes payantes ni surcharger les ressources CPU/RAM du NAS.

Contexte et contraintes

NAS Synology DS920+ : DSM 7.2 (Linux 4.4 x86_64), execution sur CPU uniquement (pas de GPU dedie).
Empreinte memoire : Apres liberation de la RAM via la bascule nyora-doc/convert vers VPS (Ticket infra-2026-09-028), le NAS dispose de plus de 9 Go de RAM libre. Kokoro necessite ~1.5 Go de RAM.
Port choisi : Port hôte 3088 mappe vers 8880 dans le conteneur.
Image Docker : hwdsl2/kokoro-server:latest (OpenAI-compatible /v1/audio/speech).
Reseau Docker : Attache au reseau Docker n8n pour acces direct des conteneurs locaux (Hermes TT, Hermes Nyora, Hermes Perso) sans passer par le bridge NAT externe.
Routage Bifrost proscrit : Bifrost (v1.6.11) ne gere pas le format /v1/audio/speech (reserve aux modeles LLM text/chat/embedding). Les clients doivent contacter Kokoro directement.
Acces distant VPS : Via Tailscale (IP NAS 100.86.197.88:3088).

Ce qui NE fonctionne PAS

Tentative	Erreur obtenue	Raison de l'echec
Passer par Bifrost (`http://bifrost:8080/v1/audio/speech`)	HTTP 404 / route non geree	Bifrost v1.6.11 ne supporte pas l'API speech OpenAI, uniquement chat/completions/embeddings.
Demarrage direct sans persistance de cache	Re-telechargement de 320 Mo a chaque demarrage	Sans montage sur `/var/lib/kokoro`, le modele PyTorch est telecharge dans la couche overlay ephemere.
Timeout premier demarrage	`Error: Kokoro TTS server did not become ready within 300 seconds`	Sur CPU NAS x86_64, le tout premier demarrage (chargement des libs lourdes `transformers`/`torch` + download HuggingFace) peut atteindre la limite des 300s de `run.sh`. Une fois le cache present dans le volume `/var/lib/kokoro`, le demarrage se fait en ~90s.

Solution validee

1. Structure des dossiers et compose

Dossier : /volume1/docker/kokoro-tts
Volume de persistance : /volume1/docker/kokoro-tts/data

Fichier /volume1/docker/kokoro-tts/docker-compose.yml :

services:
  kokoro-tts:
    image: hwdsl2/kokoro-server:latest
    container_name: kokoro-tts
    restart: unless-stopped
    ports:
      - "3088:8880"
    environment:
      - KOKORO_VOICE=ff_siwis
      - KOKORO_LANG_CODE=f
      - KOKORO_SPEED=1.0
      - KOKORO_PORT=8880
      - KOKORO_API_KEY=kokoro-tts-89b3f421e90d7c2a
      - KOKORO_LOG_LEVEL=INFO
    volumes:
      - /volume1/docker/kokoro-tts/data:/var/lib/kokoro
    networks:
      - n8n
    healthcheck:
      test: ["CMD-SHELL", "curl -sf http://127.0.0.1:8880/health >/dev/null 2>&1 || exit 1"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 120s

networks:
  n8n:
    external: true

2. URLs d'acces pour les consommateurs

Agents internes NAS (reseau n8n) :
http://kokoro-tts:8880/v1/audio/speech
Healthcheck : http://kokoro-tts:8880/health
Clients LAN / localhost NAS :
http://192.168.100.33:3088/v1/audio/speech (ou http://127.0.0.1:3088)
Agents VPS (Hermes Nabil, DSH) via Tailscale :
http://100.86.197.88:3088/v1/audio/speech
Healthcheck : http://100.86.197.88:3088/health

Authentification requise :
Header : Authorization: Bearer kokoro-tts-89b3f421e90d7c2a
Content-Type : application/json

Verification

1. Healthcheck

curl -s http://127.0.0.1:3088/health
# Resultat : {"status":"ok","engine":"kokoro"}

2. Controle de l'authentification

# Sans token -> HTTP 401
curl -s -i http://127.0.0.1:3088/v1/voices | head -n 1
# HTTP/1.1 401 Unauthorized

# Avec token -> HTTP 200
curl -s -i http://127.0.0.1:3088/v1/voices -H "Authorization: Bearer kokoro-tts-89b3f421e90d7c2a" | head -n 1
# HTTP/1.1 200 OK

3. Generation reelle depuis le NAS

curl -s -w '%{http_code}\n' -X POST http://127.0.0.1:3088/v1/audio/speech \
  -H "Authorization: Bearer kokoro-tts-89b3f421e90d7c2a" \
  -H "Content-Type: application/json" \
  -d '{"model": "tts-1", "input": "Bonjour, test de synthese vocale sur le NAS.", "voice": "ff_siwis"}' \
  -o /tmp/test_nas.mp3
# Resultat : HTTP 200, fichier MP3 de 23 Ko genere

4. Generation reelle depuis le VPS (via Tailscale)

ssh vps-gemini "curl -s -w '%{http_code}\n' -X POST http://100.86.197.88:3088/v1/audio/speech \
  -H 'Authorization: Bearer kokoro-tts-89b3f421e90d7c2a' \
  -H 'Content-Type: application/json' \
  -d '{\"model\": \"tts-1\", \"input\": \"Test de synthese vocale depuis le VPS vers le NAS avec Kokoro.\", \"voice\": \"ff_siwis\"}' \
  -o /tmp/test_kokoro_vps.mp3 && ls -lh /tmp/test_kokoro_vps.mp3 && file /tmp/test_kokoro_vps.mp3"
# Resultat : HTTP 200, fichier MP3 22 Ko (ID3 version 2.4.0, MPEG ADTS, layer III, 32 kbps, 24 kHz)

References

Ticket Baserow : infra-2026-09-029 (Id 30)
Image GitHub : https://github.com/hwdsl2/docker-kokoro
Modele HuggingFace : https://huggingface.co/hexgrad/Kokoro-82M

5.3 KiB Raw Blame History