imported>Import: Version 527

2026-05-19T12:26:45Z

Version 527

Neue Seite

''Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).''
----

Diese Seite bietet eine Übersicht über verschiedene Text-to-Speech (TTS) Modelle und deren Installation auf einem Ubuntu 26.04 Rechner.

== Folgende Themen für Ubuntu-Rechner ==

=== Piper TTS ===
Piper TTS ist ein schnelles, lokales und ressourcenschonendes TTS-System, das für den Einsatz auf CPUs optimiert ist.
* '''Eigenschaften:''' Sehr schnell, benötigt keine Grafikkarte (GPU) und ist ideal für Edge-Geräte (z.B. Raspberry Pi) oder schwächere Laptops.
* '''Installation (Binary):''' Es wird als fertiges ausführbares Programm bereitgestellt.
<pre>
mkdir -p ~/.local/share/piper-tts
# Neuestes Release für Linux x86_64 von GitHub herunterladen und entpacken:
tar -xf piper_linux_x86_64.tar.gz -C ~/.local/share/piper-tts --strip-components=1
</pre>
* Um Piper zu nutzen, benötigt man noch eine `.onnx` Modell-Datei und eine `.onnx.json` Konfigurationsdatei für die jeweilige Stimme.

=== Kokoro (via kokoro-onnx) ===
Kokoro ist ein hocheffizientes Modell (mit nur ca. 82 Millionen Parametern), das eine exzellente Audioqualität bei minimalen Hardware-Anforderungen liefert.
* '''Eigenschaften:''' Sehr leichtgewichtig, läuft hervorragend auf der CPU, erzeugt sehr natürliche Stimmen. Gilt 2026 als "Efficiency King".
* '''Installation:''' Empfohlen wird die Nutzung von Python mit `uv` oder einer Standard-Umgebung. Als Systemabhängigkeit wird oft `espeak-ng` benötigt.
<pre>
sudo apt-get install espeak-ng -y
pip install uv
uv init -p 3.12
uv add kokoro-onnx soundfile
</pre>

=== Fish Speech / CosyVoice ===
Diese Modelle richten sich an Nutzer mit leistungsstarker Hardware und stellen den aktuellen State-of-the-Art dar.
* '''Fish Speech (z.B. V1.5):''' Ein extrem hochwertiges, mehrsprachiges Modell (inkl. Deutsch, Englisch, Chinesisch). Es basiert auf modernen Transformern (DualAR). '''Wichtig:''' Benötigt zwingend eine performante NVIDIA-GPU für vernünftige Geschwindigkeiten.
* '''CosyVoice (z.B. V2):''' Von FunAudioLLM entwickelt. Es ist hervorragend für Streaming und interaktive Voice-Assistenten geeignet, da es sehr niedrige Latenzen (ca. 150ms) erreicht. Auch hier ist eine GPU stark empfohlen.

=== Weitere TTS-Sprachmodelle ===
Neben den genannten Favoriten gibt es weitere bemerkenswerte Open-Source-Modelle:
* '''Bark / ChatTTS:''' Bekannt für die Generierung von nicht-sprachlichen Geräuschen (Lachen, Seufzen) und sehr expressivem, emotionalem Dialog.
* '''Parler-TTS:''' Erlaubt die Steuerung der Stimme durch beschreibende Text-Prompts (z.B. "eine tiefe, langsame und hallende Stimme spricht").
* '''IndexTTS-2:''' Stark für präzise Steuerung (z.B. genaue Länge des generierten Audios), sehr nützlich für Video-Dubbing.

== Hardware-Anforderungen ==

=== Wie viel RAM (Arbeitsspeicher) wird benötigt? ===
* '''8 GB RAM:''' Das absolute Minimum. Reicht aus für kleine CPU-basierte Modelle wie Piper TTS oder Kokoro, wenn keine anderen speicherhungrigen Programme parallel laufen.
* '''16 GB RAM:''' Empfohlen für Standard-Anwendungen und gelegentliche KI-Nutzung.
* '''32 GB RAM (oder mehr):''' Dringend empfohlen für den reibungslosen Betrieb von großen Systemen (wie Fish Speech), insbesondere wenn Modelle geladen oder Daten verarbeitet werden.

=== Wie viel VRAM (Videospeicher der Grafikkarte) benötigt mein Rechner? ===
Der VRAM ist für KI-Anwendungen der wichtigste Engpass.
* '''0 GB VRAM (Nur CPU):''' Ausreichend für Piper TTS und Kokoro-ONNX. Die Generierung dauert minimal länger, ist aber in der Praxis (besonders bei Kokoro) oft ausreichend schnell.
* '''8 GB VRAM:''' Reicht für kleine bis mittlere GPU-Modelle. Kann bei sehr großen TTS-Modellen zu "Out-Of-Memory" (OOM) Fehlern führen.
* '''12 - 16 GB VRAM (z.B. RTX 4070/4080):''' Das empfohlene Minimum für anspruchsvolle Modelle wie Fish Speech oder CosyVoice, um diese schnell und ohne Abstürze zu betreiben.
* '''24 GB VRAM (z.B. RTX 3090/4090):''' Ideal für das schnelle Ausführen ("Inference") modernster Modelle in höchster Qualität und Grundvoraussetzung, falls man Modelle selbst trainieren ("Fine-Tuning") möchte.

== Wie installiert man Software auf einem Ubuntu-Rechner? ==

Im Folgenden werden die grundlegenden Schritte zur Installation von typischer (KI-)Software auf einem modernen Ubuntu 26.04 Rechner erklärt.

=== 1. Systempakete aktualisieren ===
Vor jeder Installation sollten die internen Paketquellen (APT) auf den neuesten Stand gebracht werden:
<pre>
sudo apt update
sudo apt upgrade -y
</pre>

=== 2. System-Abhängigkeiten installieren ===
Die meisten KI- und Audioprojekte benötigen grundlegende Compiler und Werkzeuge:
<pre>
sudo apt install build-essential git ffmpeg python3-pip python3-venv -y
</pre>
* <code>git</code> wird benötigt, um den Quellcode von GitHub herunterzuladen.
* <code>ffmpeg</code> ist der Standard zur Verarbeitung von Audio- und Videodateien.

=== 3. Software von GitHub herunterladen (Klonen) ===
Viele Tools existieren nicht als fertiges Paket, sondern werden direkt über ihren Quellcode genutzt:
<pre>
git clone https://github.com/nutzername/projektname.git
cd projektname
</pre>

=== 4. Virtuelle Python-Umgebung erstellen ===
Da KI-Projekte oft sehr spezifische und teils inkompatible Versionen von Python-Bibliotheken benötigen, darf man diese '''nie''' systemweit installieren. Man nutzt virtuelle Umgebungen (venv).
<pre>
python3 -m venv .venv
source .venv/bin/activate
</pre>
Das Präfix <code>(.venv)</code> sollte nun im Terminal sichtbar sein.

=== 5. Python-Abhängigkeiten installieren ===
In der aktivierten Umgebung werden nun die spezifischen Pakete (meist aus einer <code>requirements.txt</code>) installiert:
<pre>
pip install -r requirements.txt
</pre>
Alternativ nutzen moderne Projekte den extrem schnellen Paketmanager <code>uv</code> (Installation via <code>pip install uv</code>).

=== 6. NVIDIA Treiber und CUDA (Optional) ===
Wenn eine NVIDIA-Grafikkarte vorhanden ist, installiert man in Ubuntu am einfachsten über die "Anwendungen & Aktualisierungen" -> "Zusätzliche Treiber" den empfohlenen proprietären (eigenentwickelten) NVIDIA-Treiber. Das dazugehörige CUDA-Toolkit kann meist direkt über Ubuntu oder als Paket (z.B. `nvidia-cuda-toolkit`) installiert werden.

----
''Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).''

Text-to-Speech (TTS) auf Ubuntu - Versionsgeschichte

imported>Import: Version 527