Piper

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

Piper ist eine Sprachausgabe, die Text auf dem eigenen Rechner in natürlich klingende Sprache umwandelt. Es ist schnell genug für den Prozessor, braucht keine Grafikkarte und bringt Stimmen für viele Sprachen mit, darunter mehrere deutsche. Typische Einsätze sind Sprachassistenten, Vorlesen von Texten und Ansagen.

Vorbemerkungen

  • Gegenstück zu whisper.cpp: whisper.cpp macht aus Sprache Text, Piper macht aus Text Sprache. Zusammen mit einem Sprachmodell aus Ollama ergeben sie einen Sprachassistenten, der vollständig lokal läuft.
  • Nicht das Ubuntu-Paket piper: In den Ubuntu-Paketquellen gibt es ein Paket piper. Das ist aber ein anderes Programm, mit dem man Gaming-Mäuse einstellt. Die Sprachausgabe Piper heißt bei pip piper-tts und wird in eine virtuelle Umgebung installiert, rund 200 MB.
  • Stimme: Die Anleitung verwendet die deutsche Stimme de_DE-thorsten-high (114 MB). Sie beruht auf den Aufnahmen des Projekts Thorsten-Voice, die unter der freien Lizenz CC0 stehen. Weitere deutsche Stimmen sind kerstin, ramona, eva_k und karlsson, meist in geringerer Qualität.
  • Lizenz von Piper: Piper selbst steht unter der GPL 3. Für eigene Programme, die Piper einbinden und weitergegeben werden, ist das zu beachten.
  • Version: Getestet mit piper-tts 1.8.0 unter Python 3.14 aus Ubuntu 26.04. Zur Kontrolle hat whisper.cpp die erzeugten Sätze wieder in Text umgewandelt. Sie kamen Wort für Wort richtig zurück.

Installation

1. Paketlisten aktualisieren

Damit apt die aktuellen Versionen kennt.

sudo apt update

2. Unterstützung für virtuelle Umgebungen installieren

Ist das Paket schon vorhanden, meldet apt das nur.

sudo apt install python3-venv

3. Projektordner anlegen

Hier liegen später das Programm, die Stimmen und die erzeugten Audiodateien.

mkdir ~/piper

4. In den Projektordner wechseln

Alle weiteren Befehle werden hier ausgeführt.

cd ~/piper

5. Virtuelle Umgebung anlegen

Legt eine eigene Python-Umgebung für dieses Projekt im Unterordner .venv an. Ubuntu verhindert absichtlich, dass pip Pakete systemweit installiert.

python3 -m venv .venv

6. Virtuelle Umgebung aktivieren

Danach verwenden python, pip und piper die Umgebung. Die Eingabezeile beginnt mit (.venv). In jedem neuen Terminal muss die Umgebung erneut aktiviert werden.

source .venv/bin/activate

7. Piper installieren

pip install piper-tts

Prüfen: Die Ausgabe nennt Version: 1.8.0 oder eine neuere Version.

pip show piper-tts

8. Deutsche Stimmen anzeigen

Ohne Angabe einer Stimme listet der Befehl alle verfügbaren Stimmen auf. grep de_DE zeigt nur die deutschen.

python -m piper.download_voices | grep de_DE

Prüfen: Die Liste enthält unter anderem de_DE-thorsten-high.

9. Stimme herunterladen

Lädt die Stimme aus dem Hugging-Face-Konto des Projekts in den aktuellen Ordner. Zu jeder Stimme gehören zwei Dateien: das Modell (.onnx) und seine Einstellungen (.onnx.json).

python -m piper.download_voices de_DE-thorsten-high

Prüfen: Die Liste zeigt de_DE-thorsten-high.onnx und de_DE-thorsten-high.onnx.json.

ls

Erste Schritte

10. Einen Satz in eine Datei sprechen

echo gibt den Text an Piper weiter. -m wählt die Stimme, -f die Ausgabedatei.

echo "Willkommen in Ahrensburg. Die Werkstatt nimmt Reparaturen dienstags und donnerstags an." | piper -m de_DE-thorsten-high.onnx -f test.wav

Prüfen: Nach etwa zwei Sekunden liegt die Datei test.wav im Ordner.

11. Datei abspielen

aplay gehört bei Ubuntu zur Grundausstattung und spielt WAV-Dateien über den Standard-Lautsprecher ab.

aplay test.wav

Prüfen: Du hörst den Satz. Im Terminal steht Wiedergabe: WAVE 'test.wav' : Signed 16 bit Little Endian, Rate: 22050 Hz, mono.

12. Direkt sprechen, ohne Datei

--output-raw gibt die Audiodaten fortlaufend aus, statt eine Datei zu schreiben. aplay spielt sie sofort ab. Weil dabei die Angaben einer WAV-Datei fehlen, nennt man aplay das Format: 22 050 Messwerte pro Sekunde, 16 Bit, ein Kanal.

echo "Hallo aus dem Lautsprecher." | piper -m de_DE-thorsten-high.onnx --output-raw | aplay -r 22050 -f S16_LE -t raw -c 1 -

13. Eine Textdatei vorlesen

Lege eine Textdatei mit einigen Sätzen an:

nano vorlesen.txt

Schreibe ein paar Sätze hinein, speichere mit Strg+O und Enter und beende nano mit Strg+X. Danach liest Piper die Datei vor. --sentence-silence 0.5 fügt nach jedem Satz eine halbe Sekunde Pause ein.

piper -m de_DE-thorsten-high.onnx -i vorlesen.txt -f vorlesen.wav --sentence-silence 0.5
aplay vorlesen.wav

Aus Python verwenden

14. Programm anlegen

Das Programm erzeugt denselben Satz zweimal, einmal normal und einmal langsamer gesprochen, und gibt die Länge der Aufnahmen aus.

nano sprechen.py

Füge diesen Inhalt ein (Strg+Umschalt+V):

import wave

from piper import PiperVoice, SynthesisConfig

stimme = PiperVoice.load("de_DE-thorsten-high.onnx")

satz = "Ihr Fahrrad ist fertig. Sie können es ab morgen um neun Uhr abholen."
fassungen = {
    "normal.wav": SynthesisConfig(),
    "langsam.wav": SynthesisConfig(length_scale=1.4),
}

for datei, einstellung in fassungen.items():
    with wave.open(datei, "wb") as wav:
        stimme.synthesize_wav(satz, wav, syn_config=einstellung)
    with wave.open(datei, "rb") as wav:
        print(f"{datei}: {wav.getnframes() / wav.getframerate():.1f} Sekunden")
  • PiperVoice.load – lädt die Stimme einmal. Die Einstellungsdatei .onnx.json findet Piper von selbst, wenn sie daneben liegt.
  • SynthesisConfig – Einstellungen für das Sprechen. length_scale dehnt die Laute: Werte über 1 sprechen langsamer, unter 1 schneller. Weitere Angaben sind etwa volume für die Lautstärke.
  • synthesize_wav – schreibt die Sprache in eine geöffnete WAV-Datei.

Speichere mit Strg+O und Enter und beende nano mit Strg+X.

15. Programm ausführen

python sprechen.py

Prüfen: Die Ausgabe lautet:

normal.wav: 3.8 Sekunden
langsam.wav: 4.9 Sekunden

16. Beide Fassungen anhören

aplay normal.wav langsam.wav

Wie geht es weiter?

  • Andere Stimmen: Hörproben aller Stimmen gibt es unter https://rhasspy.github.io/piper-samples. Eine neue Stimme lädt man wie in Schritt 9 und wählt sie mit -m.
  • Mehrere Sprechweisen: Die Stimme de_DE-thorsten_emotional-medium enthält acht Sprechweisen, etwa neutral (Nummer 4), müde (5) oder flüsternd (7). -s wählt eine davon über ihre Nummer aus. Die Zuordnung steht in der Datei .onnx.json unter speaker_id_map.
  • Als Dienst: Mit pip install "piper-tts[http]" kommt ein kleiner Webserver dazu (python -m piper.http_server -m …), dem andere Programme Text schicken.
  • Sprachassistent: whisper.cpp erkennt die Frage, ein Modell aus Ollama formuliert die Antwort, Piper spricht sie aus.
  • Dokumentation: https://github.com/OHF-Voice/piper1-gpl

Deinstallieren

1. Virtuelle Umgebung verlassen

deactivate

2. Projekt entfernen

Löscht den Projektordner samt virtueller Umgebung, Stimmen und Audiodateien.

rm -rf ~/piper

3. Zwischenspeicher von pip leeren (optional)

pip bewahrt heruntergeladene Pakete in ~/.cache/pip auf. Der Befehl leert den ganzen Speicher. Das betrifft alle Python-Projekte, die ihre Pakete dann beim nächsten Mal wieder aus dem Internet laden.

pip cache purge

Quellen und Lizenz

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

Open Knowledge (Freies Wissen): Alle Texte stehen unter der freien Lizenz Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International (CC BY-SA 4.0) und können frei gelesen, geteilt und weiterverarbeitet werden.

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

Open Knowledge (Freies Wissen): Alle Texte stehen unter der freien Lizenz Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International (CC BY-SA 4.0) und können frei gelesen, geteilt und weiterverarbeitet werden.

Autor: Thorsten · Installationsanleitungen für Ubuntu

Alle Anleitungen ohne Gewähr. Befehle mit sudo verändern das System – vorher lesen, dann ausführen.