Services TTS et STT sur srv759970¶

Point d'entrée unique pour les services de synthèse vocale (TTS) et transcription audio (STT) hébergés ou consommés par le VPS.

Vue d'ensemble¶

┌─────────────────────────────────────────────────────────────────┐
│  SERVICES LOCAUX (self-hosted, gratuits)                         │
│                                                                  │
│  TTS  edge-tts ──────── port 8765 (systemd tts-service)         │
│  STT  faster-whisper ── port 9000 (Docker stt-server)           │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│  PROVIDERS CLOUD (payants, clés API)                             │
│                                                                  │
│  TTS  Cartesia ──── sk_car_*** ── Domo (streaming) + Reading     │
│  TTS  OpenAI TTS ── OPENAI_API_KEY ── Domo (actif, gpt-4o-mini) │
│  STT  Cartesia ──── sk_car_*** ── Domo (actif)                   │
│  STT  OpenAI STT ── OPENAI_API_KEY ── Domo (enhanced_logic)     │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│  PROVIDERS DISPONIBLES DANS LE CODE (non actifs en prod)         │
│                                                                  │
│  TTS  ElevenLabs ─── Domo (code présent, clé non configurée)    │
│  TTS  SparkTTS ───── Domo (modèle local, désactivé cloud mode)  │
│  TTS  Kokoro ──────── Domo (externe port 8880, non démarré)      │
└─────────────────────────────────────────────────────────────────┘

Consommateurs par service¶

Application	TTS utilisé	STT utilisé
audioguides	edge-tts (local 8765)	—
domo	OpenAI `gpt-4o-mini-tts`	Cartesia (actif)
reading-coach legacy	Cartesia `sonic-3`	—
reading-coach-next	Cartesia (optionnel)	—
pi-daemon (voice Telegram)	—	faster-whisper ⚠️ non installé
client Windows (AHK)	—	stt-server :9000

1. tts-service — Edge TTS (local, gratuit)¶

Rôle¶

Serveur HTTP minimal qui expose edge-tts (Microsoft Neural TTS en ligne de commande) comme API REST. Génère des fichiers MP3 directement sur le disque du VPS. Utilisé principalement par l'application audioguides qui a besoin de synthèse vocale sur des fichiers locaux.

Accès¶

Paramètre	Valeur
Port interne	`127.0.0.1:8765`
Endpoint	`POST /tts`
Auth	aucune (interne uniquement)
Coût	gratuit (Microsoft Azure Neural via CLI)

Endpoint `/tts`¶

Body JSON :

{
  "text": "Texte à synthétiser",
  "voice": "fr-FR-VivienneMultilingualNeural",
  "output_path": "/audioguides/guide-001.mp3"
}

Réponse :

{"success": true, "path": "/audioguides/guide-001.mp3", "size": 45312, "voice": "fr-FR-VivienneMultilingualNeural"}

Path mapping : le chemin /audioguides/... est traduit automatiquement en /opt/n8n/audioguides/... sur le host.

Voix disponibles (edge-tts)¶

edge-tts --list-voices | grep fr-FR
# Principales voix françaises :
# fr-FR-DeniseNeural
# fr-FR-HenriNeural
# fr-FR-VivienneMultilingualNeural  ← défaut configuré

Fichiers clés¶

/home/automation/tts-service.py       ← script Python (HTTPServer + edge-tts subprocess)
/home/automation/.local/bin/edge-tts  ← CLI edge-tts (pip install edge-tts)

Service systemd¶

sudo systemctl status tts-service
sudo systemctl restart tts-service
journalctl -u tts-service -n 50

2. stt-server — faster-whisper (local, self-hosted)¶

Rôle¶

Container Docker exposant une API FastAPI de transcription audio via faster-whisper (optimisé int8 CPU) + Silero VAD. C'est le service STT de référence pour les clients externes (Windows AHK, apps tierces). Exposé publiquement avec authentification Bearer.

Accès¶

Paramètre	Valeur
URL publique	`https://stt.srv759970.hstgr.cloud`
Port interne	`127.0.0.1:9000`
Container	`stt-server`
Auth	Bearer `STT_API_KEY` (voir `/opt/stt/server/.env`)
Modèle actif	`medium` (int8 CPU)
RAM	~1.5 GB
Coût	gratuit (self-hosted)

Endpoints¶

Method	Path	Auth	Description
`GET`	`/health`	❌	Health check
`GET`	`/models`	❌	Modèles disponibles
`POST`	`/transcribe`	✅ Bearer	Transcription fichier audio

POST /transcribe¶

curl -X POST https://stt.srv759970.hstgr.cloud/transcribe \
  -H "Authorization: Bearer <STT_API_KEY>" \
  -F "file=@audio.wav" \
  -F "language=fr"
  # options: language=auto, initial_prompt, hotwords, word_timestamps=true

Réponse :

{
  "text": "Texte transcrit complet",
  "segments": [{"start": 0.0, "end": 5.6, "text": "..."}],
  "language": "fr",
  "language_probability": 1.0,
  "duration": 8.09,
  "processing_time": 10.44
}

Performance (4 vCPU AMD EPYC 9354P)¶

Modèle	RAM	Vitesse (1 min audio)	Qualité FR
tiny	75 MB	~2s	⭐⭐
base	142 MB	~4s	⭐⭐⭐
small	466 MB	~8s	⭐⭐⭐⭐
medium	1.5 GB	~15s	⭐⭐⭐⭐⭐ ← actif
large-v3	3.1 GB	~40s	⭐⭐⭐⭐⭐

Configuration¶

/opt/stt/server/.env
  STT_API_KEY          ← clé Bearer
  STT_WHISPER_MODEL    = medium
  STT_WHISPER_LANGUAGE = fr
  STT_WHISPER_COMPUTE_TYPE = int8
  STT_MAX_UPLOAD_MB    = 100

Commandes Docker¶

docker compose -f /opt/stt/docker-compose.yml logs -f stt
docker compose -f /opt/stt/docker-compose.yml restart stt
docker compose -f /opt/stt/docker-compose.yml up -d --build

Client Windows¶

Projet 2026.04 STT on VPS/client/ : - stt_client.py — record micro → API → clipboard - stt_hotkey.ahk — AutoHotkey v2 (Ctrl+Shift+Space → record → paste)

3. Cartesia — TTS + STT cloud¶

Rôle¶

Provider cloud multi-usage : TTS streaming (voix naturelles, latence faible) utilisé par reading-coach et Domo, STT (transcription) utilisé activement par Domo. Une seule clé API (sk_car_***) pour les deux usages.

Accès¶

Paramètre	Valeur
Clé API	`CARTESIA_API_KEY=sk_car_5y25UBtP...` dans `/opt/domo/.env`
TTS modèle	`sonic-3` (reading-coach legacy)
STT	API cloud Cartesia
Coût	payant (par seconde audio)

Usages actifs¶

Service	Usage Cartesia	Config
Domo	STT actif (`STT_PROVIDER=cartesia`)	`/opt/domo/.env`
Domo	TTS disponible (`cartesia_tts`, `cartesia_tts_streaming`)	— (actif si `TTS_PROVIDER=cartesia`)
reading-coach legacy	TTS `sonic-3` pour narration livres	`api.js` (clé hardcodée ⚠️)
reading-coach-next	TTS optionnel (`NEXT_PUBLIC_TTS_MODE=cartesia`)	`.env.local`

Note sécurité — reading-coach legacy ⚠️¶

La clé Cartesia est hardcodée dans /opt/reading-coach/api.js :

CARTESIA_API_KEY = process.env.CARTESIA_API_KEY || 'sk_car_...'

→ @TODO : externaliser dans un .env ou credstore.

4. OpenAI TTS + STT — Domo¶

Rôle¶

Provider cloud OpenAI utilisé par Domo pour la synthèse vocale (actif en production) et comme modèle de transcription alternatif (disponible dans enhanced_logic.py).

Config active (Domo)¶

# /opt/domo/.env
TTS_PROVIDER=openai
OPENAI_MODEL_TTS=gpt-4o-mini-tts        # synthèse vocale → actif
OPENAI_TRANSCRIPTION_MODEL=gpt-4o-mini-transcribe   # STT → disponible
STT_PROVIDER=cartesia   # STT prod = Cartesia, pas OpenAI

Usage	Modèle	Statut
TTS (Domo prod)	`gpt-4o-mini-tts`	✅ actif
STT (enhanced_logic)	`gpt-4o-mini-transcribe`	⚠️ disponible, pas le provider actif

Coût¶

Payant (OPENAI_API_KEY partagée avec les appels LLM OpenAI dans Domo).

5. Providers disponibles dans Domo (non actifs en prod)¶

Domo est conçu pour switcher de provider via TTS_PROVIDER. Ces providers sont intégrés dans le code mais non configurés en production actuelle :

ElevenLabs¶

# app/app.py
TTS_PROVIDER = 'elevenlabs'
ELEVENLABS_TTS_VOICE = os.getenv("ELEVENLABS_TTS_VOICE")
ELEVENLABS_TTS_MODEL = os.getenv("ELEVENLABS_TTS_MODEL")

- Clé non définie dans /opt/domo/.env - Statut : non actif — clé à ajouter pour activer

SparkTTS (local GPU)¶

# app/app.py
# ☁️ Cloud mode: SparkTTS not available, switching to openai TTS

- Nécessite PyTorch + GPU - Le VPS tourne en cloud mode → SparkTTS automatiquement désactivé - Statut : non disponible sur VPS (CPU only)

Kokoro (local, port 8880)¶

# app/main.py
KOKORO_BASE_URL = os.getenv("KOKORO_BASE_URL", "http://localhost:8880/v1")

- Serveur Kokoro non démarré sur le VPS (port 8880 fermé) - Compatible API OpenAI audio (/v1/audio/voices) - Statut : non démarré — démarrer un container Kokoro pour activer

faster-whisper local (Domo)¶

Présent dans /opt/domo/app/transcription.py
WARNING: faster-whisper not installed. Local transcription unavailable.
Statut : non installé — pip install faster-whisper dans l'env Domo pour activer

6. Historique — WhisperX (archivé)¶

Ancienne stack de transcription basée sur WhisperX (3 containers : whisper + redis queue + worker). Abandonnée car trop lourde en CPU et complexe à maintenir.

	Ancien (whisperx)	Nouveau (stt-server)
Stack	3 containers	1 container
Modèle	small	medium
Port	8001	9000
Auth	aucune	Bearer token
Diarisation	oui (pyannote, très lent)	non
Status	⛔ arrêté	✅ production

Les sources sont archivées dans apps/02-ai-transcription/whisperx/.

⚠️ Le port 8001 est actuellement occupé par storyteller-web-1 (container non lié au STT).

Résumé rapide¶

Je veux...	J'utilise...
Transcrire de l'audio (API externe)	`POST https://stt.srv759970.hstgr.cloud/transcribe` + Bearer
Générer un MP3 sur le VPS (audioguides)	`POST http://127.0.0.1:8765/tts` (edge-tts, gratuit)
TTS voix naturelle cloud (Domo actuel)	OpenAI `gpt-4o-mini-tts` via `/opt/domo/.env`
TTS streaming temps-réel	Cartesia `sonic-3` (reading-coach) ou Cartesia streaming (Domo)
STT temps-réel dans Domo	Cartesia (`STT_PROVIDER=cartesia` dans `/opt/domo/.env`)
Connaître la clé STT API	`/opt/stt/server/.env` → `STT_API_KEY`
Connaître la clé Cartesia	`/opt/domo/.env` → `CARTESIA_API_KEY`
Activer ElevenLabs dans Domo	Ajouter `ELEVENLABS_API_KEY` + `TTS_PROVIDER=elevenlabs` dans `/opt/domo/.env`

Inventaire complet (état 2026-05-21)¶

Service	Port	Type	Statut	Coût	Consommateurs
tts-service (edge-tts)	8765	TTS local	✅ running	gratuit	audioguides
stt-server (faster-whisper)	9000	STT local	✅ running	gratuit	client Windows AHK
Cartesia TTS	cloud	TTS cloud	✅ actif	payant	reading-coach, Domo (option)
Cartesia STT	cloud	STT cloud	✅ actif	payant	Domo (prod)
OpenAI TTS (`gpt-4o-mini-tts`)	cloud	TTS cloud	✅ actif	payant	Domo (prod)
OpenAI STT (`gpt-4o-mini-transcribe`)	cloud	STT cloud	⚠️ disponible	payant	Domo (enhanced_logic)
ElevenLabs TTS	cloud	TTS cloud	⛔ non configuré	payant	Domo (code prêt)
SparkTTS (local GPU)	—	TTS local	⛔ cloud mode	gratuit	Domo (désactivé VPS)
Kokoro TTS	8880	TTS local	⛔ non démarré	gratuit	Domo (code prêt)
faster-whisper (Domo local)	—	STT local	⛔ non installé	gratuit	Domo, pi-daemon voice
WhisperX (archivé)	—	STT local	⛔ archivé	gratuit	—

Services TTS et STT sur srv759970¶

Vue d'ensemble¶

Consommateurs par service¶

1. tts-service — Edge TTS (local, gratuit)¶

Rôle¶

Accès¶

Endpoint /tts¶

Voix disponibles (edge-tts)¶

Fichiers clés¶

Service systemd¶

2. stt-server — faster-whisper (local, self-hosted)¶

Rôle¶

Accès¶

Endpoints¶

POST /transcribe¶

Performance (4 vCPU AMD EPYC 9354P)¶

Configuration¶

Commandes Docker¶

Client Windows¶

3. Cartesia — TTS + STT cloud¶

Rôle¶

Accès¶

Usages actifs¶

Note sécurité — reading-coach legacy ⚠️¶

4. OpenAI TTS + STT — Domo¶

Rôle¶

Config active (Domo)¶

Coût¶

5. Providers disponibles dans Domo (non actifs en prod)¶

ElevenLabs¶

SparkTTS (local GPU)¶

Kokoro (local, port 8880)¶

faster-whisper local (Domo)¶

6. Historique — WhisperX (archivé)¶

Résumé rapide¶

Inventaire complet (état 2026-05-21)¶

Endpoint `/tts`¶