# omnivoice.cpp - docker version

Локальный искусственный интеллект для синтеза речи (Text-to-Speech) с 
клонированием и конструированием голоса, работающий на базе GGML. 
Порт проекта OmniVoice на C++17. Поддержка 646 языков, выходной сигнал 24 кГц (моно), 
контейнер работает на CPU и Vulkan.

Исходный проект: https://github.com/ServeurpersoCom/omnivoice.cpp

## Возможности
- Клонирование голоса по эталонному WAV-файлу и его транскрипту
- Конструирование голоса через ключевые атрибуты (пол, возраст, высота тона, стиль, громкость, эмоции)
- Авто-голос с сохранением идентичности говорящего на длинных текстах
- Длительный синтез с учетом пунктуации, выделение голосовых промптов, кроссфейд и удаление тишины по стандартам pydub
- Побитовая детерминированность в жадном режиме (greedy mode), генерация через семафорное распределенное случайное число (PRNG Philox)
- Квантование модели Qwen3 (612 млн параметров) в формат Q8_0
- Два консольных инструмента: omnivoice-tts (текст -> WAV) и omnivoice-codec (WAV <-> RVQ коды)
- OpenAI API-совместивый сервер с возможностью интеграции в Open WebUI (tools/tts-server)

## Сборка образа Docker

```
git clone --recurse-submodules https://github.com/ServeurpersoCom/omnivoice.cpp.git
cd omnivoice.cpp
./buildvulkan.sh                 # Most GPUs (Vulkan) and CPU (if GPU unavailable) reference
docker-compose build
```

## Конвертация моделей

Предварительно сконвертированные GGUF доступны на Hugging Face:

  https://huggingface.co/Serveurperso/OmniVoice-GGUF

Положите их в папку models/ и переходите к быстрому старту. Для конвертации из исходного чекпоинта:

```
./checkpoints.sh      # hf download k2-fsa/OmniVoice -> checkpoints/
./convert.py          # 2 GGUFs in BF16 -> models/
./quantize.sh         # base LM Q8_0 (tokenizer stays at native dtype)
```

## Быстрый старт

```
echo "Hello world." | ./build/omnivoice-tts \
    --model models/omnivoice-base-Q8_0.gguf \
    --codec models/omnivoice-tokenizer-F32.gguf \
    --lang English -o hello.wav
```

Копирование голоса :

```
./build/omnivoice-tts \
    --model models/omnivoice-base-Q8_0.gguf \
    --codec models/omnivoice-tokenizer-F32.gguf \
    --ref-wav ref.wav --ref-text ref.txt \
    --lang English -o out.wav < prompt.txt
```

Готовый эталон (clone.sh): утилита `omnivoice-codec` кодирует эталонный WAV
в компактный латент .rvq. Она применяет точную предобработку эталона для синтеза,
поэтому коды битово идентичны файлу из `--ref-wav`. Передача через --ref-rvq 
пропускает кодировку кодеком при каждом синтезе:

```
build/omnivoice-codec --model models/omnivoice-tokenizer-F32.gguf -i ref.wav
build/omnivoice-tts \
    --model models/omnivoice-base-Q8_0.gguf \
    --codec models/omnivoice-tokenizer-F32.gguf \
    --ref-rvq ref.rvq --ref-text ref.txt \
    --lang English -o out.wav < prompt.txt
```

## Встраивание библиотеки
Консольные утилиты — это тонкая оболочка над открытым ABI. 
Однозаголовочная библиотека, единый префикс имени, чистая C-связка. 
Это позволяет использовать её одинаково в C, C++, Python (ctypes), 
Rust (bindgen) и Go (cgo).

```c
#include "omnivoice.h"

struct ov_init_params iparams;
ov_init_default_params(&iparams);
iparams.model_path = "models/omnivoice-base-Q8_0.gguf";
iparams.codec_path = "models/omnivoice-tokenizer-F32.gguf";

struct ov_context * ov = ov_init(&iparams);

struct ov_tts_params params;
ov_tts_default_params(&params);
params.text = "Hello world.";
params.lang = "English";

struct ov_audio audio = { 0 };
ov_synthesize(ov, &params, &audio);
/* audio.samples, audio.n_samples, audio.sample_rate, audio.channels */
ov_audio_free(&audio);
ov_free(ov);
```

tests/abi-c.c собирается с флагами -std=c99 -Wall -Werror -pedantic при каждой сборке. Любая регрессия, ломающая совместимость с чистым C, остановит сборку, а не просто станет опциональной целью.

Для создания связывающей разделяемой библиотеки (libomnivoice.so / .dll / .dylib) используйте конфигурацию cmake -DOMNIVOICE_SHARED=ON .... Разделяемый объект экспортирует только символы ov_*; все внутренние pipeline_* и backend_* остаются скрытыми внутри .so.

Ознакомьтесь с docs/ARCHITECTURE.md для сведений о модели, структуре GGUF, конвейере вывода (inference pipeline), всех флагах CLI, справке по общедоступному API и результатах валидации.

## Лицензия

MIT. См. [LICENSE](LICENSE).

Исходная модель : OmniVoice от Xiaomi / k2-fsa, Apache 2.0.
Аудиокодек: Higgs Audio v2 (`bosonai/higgs-audio-v2-tokenizer`), Apache 2.0.