docs: add project documentation and voice cloning notice

README.md

@@ -0,0 +1,160 @@
+# VoxCPM2 + vLLM-Omni
+
+PoC para servir o modelo `openbmb/VoxCPM2` com vLLM-Omni, usando GPU NVIDIA e Podman.
+
+O serviço expõe uma API compatível com OpenAI em `POST /v1/audio/speech` e oferece:
+
+- Síntese de voz em WAV;
+- Streaming de áudio PCM `s16le`, mono, 48 kHz;
+- Perfis de voz pré-calculados;
+- Criação de novos perfis de voz em um container temporário.
+
+> Use somente áudios de referência com consentimento explícito e documentado.
+
+## Pré-requisitos
+
+No host:
+
+- Oracle Linux 9 ou outra distribuição Linux compatível;
+- GPU NVIDIA compatível (a PoC foi validada em OCI `VM.GPU.A10.1`);
+- Driver NVIDIA funcional;
+- Podman e NVIDIA Container Toolkit/CDI configurados;
+- Acesso à internet no primeiro build e primeiro boot.
+
+Valide a GPU no host:
+
+```bash
+nvidia-smi -L
+```
+
+Valide o acesso à GPU pelo Podman:
+
+```bash
+podman run --rm \
+  --device nvidia.com/gpu=all \
+  --security-opt label=disable \
+  ubuntu \
+  nvidia-smi -L
+```
+
+## Build
+
+```bash
+git clone <URL_DO_REPOSITORIO>
+cd voxcpm-vllm-omni
+
+mkdir -p runtime/hf-cache runtime/voices
+
+podman build --pull=newer \
+  -t voxcpm-omni:0.28.0-1 \
+  -f Containerfile .
+```
+
+## Executar o servidor
+
+Para acesso apenas local:
+
+```bash
+podman run -d \
+  --name voxcpm-omni \
+  --restart=always \
+  --device nvidia.com/gpu=all \
+  --security-opt label=disable \
+  --ipc=host \
+  -p 127.0.0.1:8000:8000 \
+  -v "$PWD/runtime/hf-cache:/root/.cache/huggingface" \
+  -v "$PWD/runtime/voices:/opt/voices:ro" \
+  voxcpm-omni:0.28.0-1
+```
+
+No primeiro boot, o modelo será baixado para `runtime/hf-cache/`.
+
+```bash
+podman logs -f voxcpm-omni
+curl http://127.0.0.1:8000/v1/models
+curl http://127.0.0.1:8000/v1/audio/voices
+```
+
+## Gerar WAV
+
+```bash
+curl -sS -X POST http://127.0.0.1:8000/v1/audio/speech \
+  -H "Content-Type: application/json" \
+  -d '{
+    "model": "openbmb/VoxCPM2",
+    "input": "Olá. Este é um teste de síntese de voz.",
+    "voice": "default",
+    "response_format": "wav"
+  }' \
+  --output teste.wav
+```
+
+Para usar uma voz pre-processada, substitua `default` pelo nome do perfil, por exemplo `carbonera`.
+
+## Streaming PCM
+
+```bash
+curl --no-buffer -sS -X POST http://127.0.0.1:8000/v1/audio/speech \
+  -H "Content-Type: application/json" \
+  -d '{
+    "model": "openbmb/VoxCPM2",
+    "input": "Olá. Este é um teste de streaming.",
+    "voice": "default",
+    "stream": true,
+    "stream_format": "audio",
+    "response_format": "pcm"
+  }' \
+  --output resposta.pcm
+```
+
+Formato retornado: PCM `s16le`, mono, 48 kHz.
+
+## Criar uma voz pre-processada
+
+Os arquivos de referência não devem ir para o Git.
+
+Com o serviço parado:
+
+```bash
+podman stop voxcpm-omni
+
+PROMPT_TEXT="$(tr '\n' ' ' < "$PWD/reference-audio/nome-da-voz.txt")"
+
+podman run --rm \
+  --device nvidia.com/gpu=all \
+  --security-opt label=disable \
+  --ipc=host \
+  -v "$PWD/runtime/hf-cache:/root/.cache/huggingface" \
+  -v "$PWD/runtime/voices:/opt/voices" \
+  -v "$PWD/reference-audio/nome-da-voz.wav:/opt/input/voz.wav:ro" \
+  voxcpm-omni:0.28.0-1 \
+  python /opt/vllm-omni/examples/online_serving/text_to_speech/voxcpm2/precompute_custom_voice.py \
+    --model openbmb/VoxCPM2 \
+    --voice-name nome-da-voz \
+    --ref-audio /opt/input/voz.wav \
+    --prompt-text "$PROMPT_TEXT" \
+    --mode ref_continuation \
+    --output-dir /opt/voices \
+    --device cuda
+
+podman start voxcpm-omni
+```
+
+Confira a nova voz:
+
+```bash
+curl http://127.0.0.1:8000/v1/audio/voices
+```
+
+## Dados persistentes
+
+```text
+runtime/hf-cache/  Pesos baixados do modelo
+runtime/voices/    Perfis .safetensors e manifesto das vozes
+```
+
+Esses diretórios não são versionados no Git. Para migrar vozes aprovadas entre hosts, copie `runtime/voices/` por um canal seguro.
+
+## Segurança
+
+Não exponha a porta 8000 diretamente à internet sem controles adicionais. Para acesso remoto, restrinja firewall e NSG/Security List da OCI ao IP ou à rede autorizada e use um proxy reverso com TLS e autenticação.

VOICE_CLONING_NOTICE.md

@@ -0,0 +1,59 @@
+# Uso de clonagem de voz e responsabilidade
+
+> **Minuta para revisão jurídica.** Este aviso complementa a documentação do
+> projeto; não substitui contratos, termos de uso, políticas de privacidade ou
+> parecer jurídico aplicáveis ao operador do serviço.
+
+## Licença do código
+
+O código deste repositório é disponibilizado publicamente sob a Licença Apache
+2.0, incluindo uso, alteração, distribuição e exploração comercial, nos termos
+do arquivo [LICENSE](LICENSE). Componentes de terceiros, modelos, pesos e
+dependências podem possuir licenças e condições próprias, que devem ser
+observadas pelo usuário.
+
+## Responsabilidade por vozes, conteúdo e uso do serviço
+
+Quem implanta, administra, integra, fornece ou utiliza este serviço
+("Operador") é exclusivamente responsável por:
+
+1. obter, registrar e manter todas as autorizações, consentimentos, licenças e
+   demais direitos necessários para gravar, enviar, processar, clonar,
+   sintetizar, reproduzir, distribuir ou explorar comercialmente qualquer voz,
+   áudio, texto, identidade ou outro conteúdo utilizado no serviço;
+2. confirmar que a clonagem ou síntese não viola direitos de personalidade,
+   direitos autorais, direitos conexos, marcas, privacidade, proteção de dados,
+   obrigações contratuais ou qualquer lei, regulamento ou ordem aplicável;
+3. informar adequadamente os titulares das vozes e os usuários finais sobre o
+   tratamento de dados e sobre o uso de voz sintética, quando exigido;
+4. responder integralmente pela autoria, legitimidade, segurança, divulgação,
+   distribuição e utilização dos áudios e conteúdos gerados; e
+5. manter controles técnicos e operacionais para impedir uso não autorizado,
+   enganoso, fraudulento ou que permita se passar por terceiro sem autorização.
+
+É proibido usar este projeto para clonar, imitar ou representar a voz de uma
+pessoa sem a autorização válida do respectivo titular ou outro fundamento
+jurídico aplicável. O Operador deverá fornecer, quando solicitado pela
+autoridade competente ou pelo titular, evidências das autorizações e da base
+legal adotada.
+
+## Ausência de responsabilidade da Oracle
+
+Na máxima extensão permitida pela legislação aplicável, a Oracle Corporation e
+suas afiliadas não são autoras, provedoras, controladoras, operadoras,
+coparticipantes, representantes ou garantidoras das vozes, áudios, perfis de
+voz, conteúdos, resultados ou serviços criados, hospedados ou disponibilizados
+pelo Operador a partir deste projeto.
+
+O Operador assume, de forma exclusiva, toda a responsabilidade por reclamações,
+perdas, danos, sanções, custos e despesas decorrentes ou relacionados à coleta,
+clonagem, síntese, geração, armazenamento, transmissão, publicação,
+comercialização ou demais usos de vozes e conteúdos no serviço. Nada neste
+repositório constitui autorização, endosso, garantia, parceria, agência,
+sociedade ou coparticipação da Oracle com o Operador ou com os serviços por ele
+oferecidos.
+
+Esta seção deve ser validada e, se necessário, substituída pelo texto aprovado
+pelo departamento jurídico da Oracle antes de qualquer divulgação externa ou
+uso contratual. Nenhuma pessoa pode vincular a Oracle ou suas afiliadas sem
+autorização expressa e por escrito.

config/voxcpm2-a10.yaml

@@ -0,0 +1,54 @@
+# VoxCPM2 deploy: single-stage AR pipeline with per-request state batching.
+# Runs on large (H20 141GB) and small (24GB L4) cards alike: the KV cache is
+# pinned to a right-sized budget instead of ballooning to fill the card.
+#
+# VoxCPM2-local runtime knobs are passed through hf_overrides.
+async_chunk: false
+dtype: bfloat16
+
+stages:
+  - stage_id: 0
+    custom_voice_dir: /home/opc/voxcpm-vllm-poc/runtime/voices
+    max_num_seqs: 2
+    #max_num_seqs: 8
+    gpu_memory_utilization: 0.9
+    # Right-size the KV cache instead of letting it fill gpu_memory_utilization.
+    # max_num_seqs(8) * max_model_len(4096) ~= 32k tokens; 6 GiB leaves headroom
+    # for longer live requests while keeping VoxCPM2 TTS decode batches small
+    # enough to avoid the high ITL observed with large admission caps.
+    # The remaining VRAM stays free for the VoxCPM2 diffusion side-path
+    # (LocDiT / AudioVAE / code2wav + batch CUDA-graph pools), which allocates
+    # outside vLLM's KV accounting during inference. Keeps peak ~13 GiB on any
+    # card and avoids per-rebase OOM tuning on small CI GPUs.
+    # Assumes prefix caching off and typical live decode concurrency <= ~8;
+    # raise this cap if either grows or enable_prefix_caching is turned on.
+    kv_cache_memory_bytes: 6442450944  # 6 GiB
+    enforce_eager: true
+    trust_remote_code: true
+    enable_prefix_caching: false
+    async_scheduling: true
+    max_num_batched_tokens: 4096
+    max_model_len: 4096
+    devices: "0"
+    engine_extras:
+      hf_overrides:
+        voxcpm2_runtime_config:
+          audio_emit_every: 1
+          vae_decode_every: 3
+          enable_batched_cfm: true
+          enable_batched_vae_decode: true
+          coalesce_audio_d2h: true
+          enable_loc_dit_fused_qkv: true
+          enable_loc_dit_fused_mlp: true
+          enable_loc_dit_zero_dt_cache: true
+          enable_loc_dit_skip_qkv_contig: true
+          enable_loc_dit_reduce_overhead_no_cg: true
+          enable_unified_decode_graph: true
+          unified_decode_graph_max_batch_size: 8
+    default_sampling_params:
+      temperature: 0.0
+      top_p: 1.0
+      top_k: -1
+      max_tokens: 4096
+      seed: 42
+      repetition_penalty: 1.0