Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

/v3/audio/speech ignores response_format and always returns 32-bit float WAV

Đang mở
  • Có gì không ổn?
#4,613 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
3/5
Thời gian dự kiến
1-2 ngày
Mức phù hợp với người mới
58/100
Loại issue
Lỗi
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
cpp
Lĩnh vực
api, backend

Hướng nghiên cứu

Start at the /v3/audio/speech entry point and trace the T2sCalculator output used by the provided graph.pbtxt. Reproduce the curl requests for wav, pcm, mp3, and flac, then verify that supported formats have the expected sample encoding and Content-Type, while unsupported formats return HTTP 400.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Describe the bug
The OpenAI-compatible text-to-speech endpoint /v3/audio/speech ignores response_format. For wav, pcm, mp3 and flac it returns the same body: a WAV file with 32-bit IEEE float samples (format tag 3). The response is also sent with Content-Type: application/json; charset=utf-8.

The OpenAI API specifies 16-bit PCM for wav and headerless 16-bit little-endian PCM for pcm, so clients written against it cannot play the output. For example, wyoming_openai (the Wyoming bridge used by Home Assistant) cannot parse the float WAV header and plays static: https://github.com/roryeckel/wyoming_openai/issues/72

To Reproduce

  1. Models repository: OpenVINO/Kokoro-82M-int8-ov pulled from Hugging Face into /models/OpenVINO/Kokoro-82M-int8-ov, graph generated with ovms --configure --model_path /models/OpenVINO/Kokoro-82M-int8-ov --target_device CPU: 
    input_stream: "HTTP_REQUEST_PAYLOAD:input"
output_stream: "HTTP_RESPONSE_PAYLOAD:output"
node {
    name: "T2sExecutor"
    calculator: "T2sCalculator"
    input_side_packet: "TTS_NODE_RESOURCES:t2s_servable"
    input_stream: "HTTP_REQUEST_PAYLOAD:input"
    output_stream: "HTTP_RESPONSE_PAYLOAD:output"
    node_options: {
        [type.googleapis.com / mediapipe.T2sCalculatorOptions]: {
            models_path: "/models/OpenVINO/Kokoro-82M-int8-ov"
            target_device: "CPU"
            plugin_config: '{"NUM_STREAMS":"1"}'
            }
    }
}
  2. OVMS launch command (container openvino/model_server:latest-gpu): 
    --rest_port 8080 --config_path /config/config.json --cache_dir /cache --log_level INFO
  3. Client command: 
    for rf in wav pcm mp3 flac; do
  curl -s http://localhost:8080/v3/audio/speech -H 'Content-Type: application/json' \
    -d "{\"model\":\"OpenVINO/Kokoro-82M-int8-ov\",\"input\":\"Hello there.\",\"voice\":\"am_adam\",\"response_format\":\"$rf\"}" \
    -o "out.$rf"
  file -b "out.$rf"
done
  4. Every file is identical (146444 bytes): 
    RIFF (little-endian) data, WAVE audio, IEEE Float, mono 24000 Hz
    Response headers: 
    HTTP/1.1 200 OK
content-length: 146444
content-type: application/json; charset=utf-8

Expected behavior

  • wav (the default) returns a 16-bit PCM WAV, as OpenAI does.
  • pcm returns headerless 16-bit little-endian PCM.
  • Formats OVMS cannot produce (e.g. mp3, flac) are rejected with a 400 error instead of silently returning a WAV.
  • The Content-Type matches the audio format (e.g. audio/wav).

Logs
Nothing is logged for these requests at --log_level INFO; I have not captured DEBUG logs.

Configuration

  1. OVMS version: OpenVINO Model Server 2026.4.0.869b2186a, OpenVINO backend 2026.4.0-22959-99c81491cc3-releases/2026/4, OpenVINO GenAI backend 2026.4.0.0-3407-7ea2546852a
  2. config.json: 
    {
  "model_config_list": [
    { "config": { "name": "OpenVINO/Kokoro-82M-int8-ov", "base_path": "/models/Kokoro-82M-int8-ov-cpu" } }
  ]
}
  3. Intel Core Ultra 5 125H (Meteor Lake), target device CPU
  4. Model repository: 
    /models/Kokoro-82M-int8-ov-cpu/graph.pbtxt
/models/OpenVINO/Kokoro-82M-int8-ov/{config.json, openvino_config.json, openvino_model.xml, openvino_model.bin, voices/, ...}
  5. Model: https://huggingface.co/OpenVINO/Kokoro-82M-int8-ov
Ngôn ngữ chính
C++
Star
932
Fork
278
Merge trung bình
2 ngày 23 giờ
Pull request đã merge (30 ngày)
68

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của openvinotoolkit/model_server

Tất cả issue của openvinotoolkit/model_server

Issue tương tự

Thêm issue về C++

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.