talklabs 1.0.3

TalkLabs - Unified TTS Engine and SDK

🎙️ TalkLabs - ElevenLabs Compatible TTS

Text-to-Speech de alta qualidade compatível com ElevenLabs, powered by XTTS2

Documentação • API Reference • Exemplos

---

✨ Features

• 🎯 100% compatível com ElevenLabs API - Drop-in replacement
• 🚀 Streaming em tempo real - HTTP e WebSocket
• 🌍 Multi-idioma - Português, Inglês, Espanhol, Francês, Alemão, Italiano
• 🎭 Voice Cloning - Clone qualquer voz com 3-5 amostras
• ⚡ Alta Performance - CUDA acelerado com suporte RTX
• 🔒 Self-hosted - Seus dados, seu servidor

🚀 Quick Start

Instalação

# Instalar TalkLabs
cd /home/francisco/talklabs
pip install -e .

# Ou via pip (quando publicado)
pip install talklabs

Iniciar API

# Iniciar servidor
python api/main.py

# Ou via uvicorn
uvicorn api.main:app --host 0.0.0.0 --port 5000

Uso do SDK

from talklabs import TalkLabsClient

# Inicializar cliente
client = TalkLabsClient(
    api_key="TALKLABS_SECRET_KEY",
    base_url="http://localhost:5000"
)

# Gerar áudio
audio = client.generate(
    text="Olá, mundo!",
    voice="yasmin_alves",
    speed=1.0
)

# Salvar arquivo
with open("output.wav", "wb") as f:
    f.write(audio)

📖 Exemplos

1. Geração Simples

from talklabs import generate

audio = generate(
    text="Bem-vindo ao TalkLabs!",
    voice="yasmin_alves",
    api_key="TALKLABS_SECRET_KEY"
)

2. Streaming

from talklabs import TalkLabsClient

client = TalkLabsClient(api_key="...")

with open("stream.wav", "wb") as f:
    for chunk in client.generate_stream(
        text="Texto longo para streaming...",
        voice="yasmin_alves"
    ):
        f.write(chunk)

3. Com Timestamps

result = client.generate_with_timestamps(
    text="Olá mundo",
    voice="yasmin_alves"
)

# Áudio em base64
audio_bytes = base64.b64decode(result["audio_base64"])

# Timestamps de cada palavra
for word in result["alignment"]:
    print(f"{word['word']}: {word['start']}s - {word['end']}s")

4. WebSocket Streaming

import asyncio

async def main():
    client = TalkLabsClient(api_key="...")
    
    async def text_stream():
        yield "Olá, "
        await asyncio.sleep(0.5)
        yield "mundo!"
    
    async for audio_chunk in client.stream_input(
        text_iterator=text_stream(),
        voice="yasmin_alves"
    ):
        # Processar chunk de áudio
        pass

asyncio.run(main())

🎭 Clonando Vozes

# 1. Criar diretório para nova voz
mkdir -p samples/minha_voz

# 2. Adicionar 3-5 amostras WAV (16kHz, mono, 10-30s cada)
cp amostra1.wav samples/minha_voz/
cp amostra2.wav samples/minha_voz/
cp amostra3.wav samples/minha_voz/

# 3. Reiniciar servidor
# A voz estará disponível automaticamente!

🔌 API Endpoints

Endpoint	Método	Descrição
/v1/text-to-speech/{voice_id}	POST	TTS padrão
/v1/text-to-speech/{voice_id}/stream	POST	Streaming HTTP
/v1/text-to-speech/{voice_id}/with-timestamps	POST	TTS com timestamps
/v1/text-to-speech/{voice_id}/stream-input	WS	WebSocket streaming
/v1/voices	GET	Listar vozes
/v1/models	GET	Listar modelos
/health	GET	Health check

🎛️ Parâmetros

client.generate(
    text="Seu texto aqui",
    voice="yasmin_alves",
    speed=1.0,           # 0.25 a 4.0
    language="pt",       # pt, en, es, fr, de, it
    voice_settings={
        "stability": 0.75,        # 0.0 a 1.0
        "similarity_boost": 0.75,
        "style": 0.0,
        "use_speaker_boost": True
    }
)

🌐 Usando via cURL

curl -X POST "http://localhost:5000/v1/text-to-speech/yasmin_alves" \
     -H "xi-api-key: TALKLABS_SECRET_KEY" \
     -H "Content-Type: application/json" \
     -d '{"text":"Olá mundo!","speed":1.2}' \
     --output audio.wav

🔧 Configuração

# .env ou variáveis de ambiente
TALKLABS_API_KEY=your_secret_key_here
TALKLABS_HOST=0.0.0.0
TALKLABS_PORT=5000
CUDA_VISIBLE_DEVICES=0  # GPU a usar

📊 Benchmarks

Métrica	Valor
Latência primeira chunk	~200ms
Throughput	~50 caracteres/segundo
Qualidade MOS	4.2/5.0
Idiomas suportados	6+
GPU mínima	GTX 1060 6GB
GPU recomendada	RTX 3090+

🐛 Troubleshooting

CUDA Out of Memory

# Reduzir batch size ou usar CPU
engine = TalkLabsEngine(device="cpu")

Voz não encontrada

# Verificar vozes disponíveis
curl http://localhost:5000/v1/voices

Latência alta

# Usar modelo flash
client.generate(text="...", model="eleven_flash_v2_5")

🤝 Contribuindo

Contribuições são bem-vindas! Por favor:

1. Fork o projeto
2. Crie uma branch (git checkout -b feature/nova-feature)
3. Commit suas mudanças (git commit -am 'Add nova feature')
4. Push para a branch (git push origin feature/nova-feature)
5. Abra um Pull Request

📄 Licença

MIT License - veja LICENSE para detalhes.

🙏 Créditos

• XTTS2 by Coqui.ai
• Inspirado em ElevenLabs

---

Website • Documentação • Discord

Made with ❤️ by TalkLabs Team