配置参考

配置

config.json 按职责分组，顶层为 server / concurrency / timeouts / transport / mp3 / tts 六个对象。缺省的分组或字段都会回退到默认值， 但 tts.activeModel 与 tts.models 为必填。

server（网络监听与运行时）

字段	类型	默认值	说明
listenHost	string	"127.0.0.1"	实际监听地址
listenPort	uint16	9080	实际监听端口
publicBaseUrl	string	"http://127.0.0.1:9080"	返回给客户端的 wav URL 前缀，可与 listenHost 不同（如部署在反代后）
logDir	string	"logs"	日志目录；相对路径按运行目录解析，按天滚动
startupScanCache	bool	true	启动时是否扫描已有 wav 缓存
maxCacheEntries	int32	10000	wav 缓存条数上限；超限按 O(1) LRU 批量收敛到 90% 水位。正在 /wav 下载或缓存流播放的条目持有读取租约，不参与删除；失败删除会记录并重试。0 表示不限制，负数为配置错误；启动扫描按文件时间恢复顺序并收敛历史缓存

concurrency（并发与线程）

字段	类型	默认值	说明
workerThreads	int32	CPU 核心数	HTTP 请求处理线程数（accept 之后入队列，由工作线程消费）
ttsPoolSize	int32	max(CPU/2, 1)	预热的 OfflineTts 实例数；越大并发合成能力越强，但占用更多内存
ttsModelNumThreads	int32	2	单个 OfflineTts 实例内部的 ONNX Runtime 推理线程数；调低偏吞吐，调高偏单请求低 RTF
maxQueuedRequests	int32	0 (不限制)	等待队列上限；超出时新连接立即返回 503
maxActiveStreams	int32	24	同时处理的 GET /tts-stream/<id>.mp3 上限；超出时在发送音频头前返回 503

timeouts（超时，单位 ms）

字段	类型	默认值	说明
socketReadMs	int32	5000	HTTP socket 读超时；设为 0 表示使用系统默认
socketSendMs	int32	15000	HTTP socket 写超时；慢读或断连客户端超过该时间会使本次请求失败
ffmpegExitMs	int32	5000	启动探测和请求处理时等待 ffmpeg 退出的超时时间；超时后会 kill 并回收子进程、记录失败
streamMaxDurationMs	int32	60000	单条流式 GET /tts-stream/<id>.mp3 允许占用连接的最长时间；到点后服务端主动断开并释放 worker

transport（传输限制）

字段	类型	默认值	说明
wavSendChunkBytes	size_t	65536	GET /wav/... 流式发送的块大小
maxRequestBodyBytes	size_t	1048576	单请求体最大字节数；超过直接 400

mp3（流式 MP3 编码）

字段	类型	默认值	说明
encoderPath	string	"ffmpeg"	流式 TTS 使用的 MP3 编码器路径；启动时会执行一次最小 MP3 编码探测；mod_shout 需要 MPEG 音频，服务通过 ffmpeg 把 PCM 实时编码为 MP3
bitrateKbps	int32	192	流式 TTS 转 MP3 的 CBR 码率，范围 64..320
volumeGainDb	float	3.0	流式 TTS 转 MP3 时追加的响度增益，单位 dB，范围 -20..20；正增益会同时启用 limiter 降低削波风险

tts（模型选择）

字段	类型	默认值	说明
activeModel	string	必填	当前加载的具体模型 profile id，必须存在于 tts.models
models	object	必填	模型 profile 表；每个 profile 的 backend 才是 sherpa-onnx 后端类型

tts.activeModel 用于选择具体模型，例如 matcha-icefall-zh-en 或 vits-zh-ll。 profile 内的 backend 只表达 sherpa-onnx 初始化分支，取值为 matcha、vits 或 kokoro。旧的扁平顶层字段（listenHost/workerThreads/activeTtsModel/ ttsModels 等）已迁移到上述分组，不再做兼容转换。

profile 通用字段：

字段	后端	说明
backend	全部	必填，matcha / vits / kokoro
modelDir	全部	必填，模型目录；相对 models/，也可填绝对路径
speakerNames	全部	可选，/health.model.speakers 的名称表；未配置时 Kokoro 使用内置名称，其它模型返回空数组
lengthScale	全部	可选，默认 1.0，必须 > 0
noiseScale / noiseScaleW	VITS	可选，默认 0.667 / 0.8
ruleFsts / dictDir	VITS	可选，逗号分隔 FST 文件或字典目录，相对 modelDir
dictDir / lang	Kokoro	可选，lang 默认 zh

默认配置同时声明四个 profile，切换模型只需修改 tts.activeModel：

{
  "tts": {
    "activeModel": "matcha-icefall-zh-en",
    "models": {
      "matcha-icefall-zh-en": {
        "backend": "matcha",
        "modelDir": "matcha-icefall-zh-en",
        "acousticModel": "model-steps-3.onnx",
        "vocoder": "vocos-16khz-univ.onnx",
        "tokens": "tokens.txt",
        "lexicon": "lexicon.txt",
        "dataDir": "espeak-ng-data",
        "noiseScale": 0.667,
        "lengthScale": 1.0
      },
      "vits-aishell3": {
        "backend": "vits",
        "modelDir": "vits-zh-aishell3",
        "model": "vits-aishell3.onnx",
        "tokens": "tokens.txt",
        "lexicon": "lexicon.txt",
        "noiseScale": 0.667,
        "noiseScaleW": 0.8,
        "lengthScale": 1.0
      },
      "vits-zh-ll": {
        "backend": "vits",
        "modelDir": "sherpa-onnx-vits-zh-ll",
        "model": "model.onnx",
        "tokens": "tokens.txt",
        "lexicon": "lexicon.txt",
        "ruleFsts": "phone.fst,number.fst",
        "lengthScale": 1.0,
        "speakerNames": ["ll_0", "ll_1", "ll_2", "ll_3", "ll_4"]
      },
      "kokoro-multi-lang-v1_1": {
        "backend": "kokoro",
        "modelDir": "kokoro-multi-lang-v1_1",
        "model": "model.onnx",
        "voices": "voices.bin",
        "tokens": "tokens.txt",
        "lexicon": "lexicon-us-en.txt,lexicon-zh.txt",
        "dataDir": "espeak-ng-data",
        "dictDir": "dict",
        "lang": "zh",
        "lengthScale": 1.0
      }
    }
  }
}

Kokoro kokoro-multi-lang-v1_1 是中英双语多音色模型。Aishell3 vits-zh-aishell3 和 sherpa-onnx-vits-zh-ll 都是多说话人中文模型， 都可通过 speakerId 选择音色。

默认监听：

http://127.0.0.1:9080