套餐: 部署语音服务 {#default}

在 Jetson 设备上部署 GPU 加速的语音识别（ASR）和语音合成（TTS）服务。

部署完成后你可以：

• 实时流式语音识别
• 低延迟语音合成（支持多种音色）
• 两种语言模式：中文 + 英文（Matcha TTS + Paraformer ASR）或纯英文（Kokoro TTS + Zipformer ASR）
• 通过 HTTP + WebSocket API（端口 8621）调用

前提条件： Jetson 已安装 JetPack 6.x · 可通过 SSH 连接 · 需要联网拉取镜像（约 8GB）

步骤 1: 部署语音服务 {#speech_service type=docker_deploy required=true config=devices/docker_remote.yaml}

将语音识别和语音合成服务部署到你的 Jetson 设备。预构建镜像已包含所有依赖和模型，拉取后即可运行。

部署目标: 远程部署 {#speech_remote type=remote config=devices/docker_remote.yaml default=true}

通过 SSH 一键部署到 Jetson。

接线

1. 将 Jetson 连接到网络
2. 输入 Jetson 的 IP 地址和 SSH 凭据
3. 点击 部署 — 系统会自动拉取预构建镜像并启动服务

部署完成

服务已在 http://<Jetson IP>:8621 运行。快速测试：

# 检查服务状态
curl http://<Jetson IP>:8621/health
# 预期返回: {"asr": true, "tts": true, "streaming_asr": true}

# 测试语音合成
curl -X POST http://<Jetson IP>:8621/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "你好，我是你的语音助手。", "sid": 0}' \
  --output test.wav

# 测试语音识别
curl -X POST http://<Jetson IP>:8621/asr \
  -F "file=@test.wav"

故障排查

部署目标: 本机部署 {#speech_local type=local config=devices/docker_local.yaml}

直接在当前机器上部署（需要 NVIDIA GPU）。

接线

1. 确保已安装 Docker 和 NVIDIA Container Toolkit
2. 点击 部署 开始安装

注意： 首次启动可能需要 10-15 分钟下载 Docker 镜像和初始化模型。

部署完成

服务已在 http://localhost:8621 运行。快速测试：

# 检查服务状态
curl http://localhost:8621/health
# 预期返回: {"asr": true, "tts": true, "streaming_asr": true}

# 测试语音合成
curl -X POST http://localhost:8621/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "你好，我是你的语音助手。", "sid": 0}' \
  --output test.wav

# 测试语音识别
curl -X POST http://localhost:8621/asr \
  -F "file=@test.wav"

故障排查

步骤 2: 语音演示 {#voice_demo type=voice_demo required=false config=devices/voice_demo.yaml}

直接在此页面体验已部署的语音服务。输入 Jetson IP 地址，然后使用下方面板测试语音识别和语音合成。

语音识别（ASR）

按住 录音 按钮说话，语音将被实时识别，转录文字会即时显示在屏幕上。

文字转语音（TTS）

输入任意文字，点击 生成 即可听到语音播放，同时显示波形可视化。

故障排查

部署完成

恭喜！本地语音助手服务已运行。

快速验证

1. 在浏览器打开 http://<Jetson IP>:8621/health — 所有字段应显示 true
2. 用上面的 curl 命令测试语音合成
3. 将你的应用连接到 API 接口

API 接口一览

后续步骤

• 接入你的大语言模型，完成语音助手流水线：ASR → LLM → TTS
• 部署后可在"设备管理"页面调整 TTS 说话人 ID（0-9）
• Jetson Voice GitHub