#5635 cfg=TaskCfgTTS(uuid='27fef2bc0f', name='F:/共享文件/AI交稿/2D想娶女帝不正常吗/女帝/音频/剧集字幕库/2D女帝 第2集(1)/2D女帝 第2集(1).srt', dirname='F:/共享

240e:370* Posted at: 1 day ago

配音阶段出错 [Qwen3-TTS(本地内置)] CUDA error: device-side assert triggered
Compile with TORCH_USE_CUDA_DSA to enable device-side assertions.
,Traceback (most recent call last):
File "videotrans\process\tts_fun.py", line 127, in qwen3tts_fun
File "torch\utils\_contextlib.py", line 116, in decorate_context

return func(*args, **kwargs)

File "F:\共享文件\index-tts2以及2.5+声音素材合集\win-pyvideotrans-v4.04-0704\_internal\qwen_tts\inference\qwen3_tts_model.py", line 603, in generate_voice_clone

talker_codes_list, _ = self.model.generate(

File "torch\utils\_contextlib.py", line 116, in decorate_context

return func(*args, **kwargs)

File "F:\共享文件\index-tts2以及2.5+声音素材合集\win-pyvideotrans-v4.04-0704\_internal\qwen_tts\core\models\modeling_qwen3_tts.py", line 2272, in generate

talker_result = self.talker.generate(

File "torch\utils\_contextlib.py", line 116, in decorate_context

return func(*args, **kwargs)

File "transformers\generation\utils.py", line 2566, in generat
......
_sample

next_tokens = torch.multinomial(probs, num_samples=1).squeeze(1)

RuntimeError: CUDA error: device-side assert triggered
Compile with TORCH_USE_CUDA_DSA to enable device-side assertions.

Traceback (most recent call last):

File "videotrans\task\job.py", line 35, in run

File "videotrans\task\job.py", line 154, in process_task

File "videotrans\task\dubbing.py", line 51, in dubbing

File "videotrans\task\dubbing.py", line 204, in _tts

File "videotrans\tts\__init__.py", line 207, in run

File "videotrans\tts\_base.py", line 93, in run

File "videotrans\tts\_qwenttslocal.py", line 46, in _exec

File "videotrans\configure\base.py", line 272, in _new_process

videotrans.configure.excepts.VideoTransError: CUDA error: device-side assert triggered
Compile with TORCH_USE_CUDA_DSA to enable device-side assertions.
,Traceback (most recent call last):
File "videotrans\process\tts_fun.py", line 127, in qwen3tts_fun
File "torch\utils\_contextlib.py", line 116, in decorate_context

return func(*args, **kwargs)

File "F:\共享文件\index-tts2以及2.5+声音素材合集\win-pyvideotrans-v4.04-0704\_internal\qwen_tts\inference\qwen3_tts_model.py", line 603, in generate_voice_clone

talker_codes_list, _ = self.model.generate(

File "torch\utils\_contextlib.py", line 116, in decorate_context

return func(*args, **kwargs)

File "F:\共享文件\index-tts2以及2.5+声音素材合集\win-pyvideotrans-v4.04-0704\_internal\qwen_tts\core\models\modeling_qwen3_tts.py", line 2272, in generate

talker_result = self.talker.generate(

File "torch\utils\_contextlib.py", line 116, in decorate_context

return func(*args, **kwargs)

File "transformers\generation\utils.py", line 2566, in generate

result = decoding_method(

File "transformers\generation\utils.py", line 2789, in _sample

outputs = model_forward(**model_inputs, return_dict=True)

File "torch\nn\modules\module.py", line 1751, in _wrapped_call_impl

return self._call_impl(*args, **kwargs)

File "torch\nn\modules\module.py", line 1762, in _call_impl

return forward_call(*args, **kwargs)

File "transformers\utils\generic.py", line 918, in wrapper

output = func(self, *args, **kwargs)

File "F:\共享文件\index-tts2以及2.5+声音素材合集\win-pyvideotrans-v4.04-0704\_internal\qwen_tts\core\models\modeling_qwen3_tts.py", line 1671, in forward

predictor_result = self.code_predictor.generate(

File "torch\utils\_contextlib.py", line 116, in decorate_context

return func(*args, **kwargs)

File "transformers\generation\utils.py", line 2566, in generate

result = decoding_method(

File "transformers\generation\utils.py", line 2831, in _sample

next_tokens = torch.multinomial(probs, num_samples=1).squeeze(1)

RuntimeError: CUDA error: device-side assert triggered
Compile with TORCH_USE_CUDA_DSA to enable device-side assertions.
cfg=TaskCfgTTS(uuid='27fef2bc0f', name='F:/共享文件/AI交稿/2D想娶女帝不正常吗/女帝/音频/剧集字幕库/2D女帝 第2集(1)/2D女帝 第2集(1).srt', dirname='F:/共享文件/AI交稿/2D想娶女帝不正常吗/女帝/音频/剧集字幕库/2D女帝 第2集(1)', noextname='2D女帝 第2集(1)', basename='2D女帝 第2集(1).srt', ext='srt', target_dir='F:/共享文件/index-tts2以及2.5+声音素材合集/win-pyvideotrans-v4.04-0704/output/tts', cache_folder='F:/共享文件/index-tts2以及2.5+声音素材合集/win-pyvideotrans-v4.04-0704/tmp/32240/27fef2bc0f', is_cuda=True, source_language=None, source_language_code=None, source_sub=None, source_wav=None, source_wav_output=None, target_language=None, target_language_code='zh-cn', target_sub='F:/共享文件/AI交稿/2D想娶女帝不正常吗/女帝/音频/剧集字幕库/2D女帝 第2集(1)/2D女帝 第2集(1).srt', target_wav='F:/共享文件/index-tts2以及2.5+声音素材合集/win-pyvideotrans-v4.04-0704/output/tts/2D女帝 第2集(1).wav', target_wav_output=None, tts_type=1, volume='+0%', pitch='+0Hz', voice_rate='+0%', voice_role='XiTong.mp3', voice_autorate=False, video_autorate=False, remove_silent_mid=False, align_sub_audio=False)

=
system:Windows-10-10.0.19045-SP0
version:v4.04
frozen:True
language:zh
root_dir:F:/共享文件/index-tts2以及2.5+声音素材合集/win-pyvideotrans-v4.04-0704

5 Replies

Floor #1 DeepSeek reply at 1 day ago

device-side assert triggered 是 CUDA 运行时下层核函数内部触发的断言失败，常见于数值越界或显存损坏。结合你的配置——使用 Qwen3-TTS(本地内置) 并选择克隆角色 XiTong.mp3，最可能的原因是：

  • 参考音频过短、过长或格式不对：Qwen3-TTS 克隆要求参考音频为 3~10 秒的 wav 文件，且不含背景噪声。你的文件名后缀是 .mp3，建议转为 wav 并确保时长在范围内。
  • 某条字幕文本过长：Qwen3-TTS 对输入文本长度有隐式限制，超长文本会导致 torch.multinomial 的 probs 张量形状越界。

解决步骤

  1. 检查参考音频：

    • 将 XiTong.mp3 转换为 XiTong.wav（采样率 22050Hz 或 44100Hz，单声道）。
    • 确保音频时长在 3~10 秒，开头结尾无静音，人声清晰无杂音。
    • 将 .wav 文件放到 软件目录/f5-tts/ 文件夹下（Qwen3-TTS 同样读取该目录下的参考音频）。

  2. 限制字幕时长（如果是在“批量为字幕配音”面板）：

    • 进入 菜单 → 工具 → 高级选项 → 语音识别参数，将 最长语音持续秒数 设为 6~10，最短语音持续毫秒 设为 3000。
    • 勾选 合并过短字幕到邻近 和 Whisper预分割音频（即使你不是在视频翻译，这些参数也会影响配音时对字幕时长的裁剪）。

  3. 降低 GPU 负载：

    • 在 高级选项 → 通用设置 中，将 GPU 同时任务数 设为 1（你有一张卡时）。
    • 如果显存不足（建议 8GB 以上），可临时取消勾选 CUDA 加速，用 CPU 跑一次测试，确认不是硬件问题。

  4. 测试排除法：

    • 先换一个非克隆音色（例如 Edge-TTS 的 zh-CN-YunyangNeural）执行同样的字幕，如果正常，则证明是克隆环节的问题。
    • 选择一个很短的 SRT（仅 3~5 条字幕）测试克隆，看是否复现。

  5. 清理缓存并重启软件：

    • 删除 tmp/ 目录下的所有临时文件，重启软件后再试。

如果仍然报错，请提供以下几点信息以便进一步定位：

  • XiTong.wav 的准确时长（秒）和采样率。
  • 失败的那条字幕原文（可以从日志中的 target_sub 文件里找到最后一条处理失败的文本）。
Floor #2 240e:370* reply at 1 day ago

非常感谢

Floor #3 DeepSeek reply at 1 day ago

不客气，祝使用愉快！

Floor #4 240e:370* reply at 1 day ago

任然会报错，而且就是字幕转语音生成环节，使用Qwen3-TTS就会报错，我用F5-tts就不会报错

Floor #5 DeepSeek reply at 1 day ago

Qwen3-TTS(本地内置) 在部分硬件或输入场景下会触发 CUDA assert，而 F5-TTS 正常，说明 CUDA 环境本身可用，问题集中在 Qwen3-TTS 的模型加载或特定输入上。请按以下顺序排查：

1. 更新软件版本

你使用的路径包含大量中文和空格（F:\共享文件\index-tts2以及2.5+声音素材合集\），虽然预打包版做了优化，但强烈建议将软件移动到一个纯英文、无空格、无特殊字符的目录（例如 D:\pyVideoTrans），然后重新启动测试。移动后需要重新配置参考音频路径。

2. 验证 Qwen3-TTS 模型完整性

device-side assert 常由模型文件损坏或下载不完整引起。

  • 进入 软件目录/models/，查找 models--Qwen--Qwen3-TTS 或类似文件夹。
  • 删除该文件夹（或整个 models 下的 Qwen-TTS 相关目录）。
  • 在软件菜单 工具 → 下载模型 → Qwen3-TTS(本地内置) 重新下载模型。
  • 注意：模型约 7GB，需保证磁盘空间和网络稳定。

3. 切换为非克隆模式测试

当前你使用了 XiTong.mp3 作为克隆参考音频，可能是该音频文件不合规或 Qwen3-TTS 克隆通道对特定输入敏感。

  • 在配音角色下拉框中选择一个标准内置音色（例如 zh-CN-XiaoxiaoNeural，不要选 clone 或自定义音频），执行相同字幕任务。

  • 如果不再报错，则问题出在克隆参考音频上。请确保该音频：

    • 格式：wav（不是 mp3），采样率 22050Hz 或 44100Hz，单声道。
    • 时长：3~10 秒（最好 5~7 秒）。
    • 内容：纯人声，无背景音乐、无静音开头结尾、发音清晰完整的一句话。
    • 路径：将 wav 文件放入 软件目录/f5-tts/ 文件夹，并在 菜单→TTS设置→设置参考音频 中正确注册。

4. 调整高级选项参数

  • 进入 菜单 → 工具 → 高级选项 → 语音识别参数：

    • 将 最长语音持续秒数 设为 8（不要超过10）。
    • 将 最短语音持续毫秒 设为 3000。
    • 勾选 合并过短字幕到邻近 和 Whisper预分割音频。

  • 进入 高级选项 → 字幕配音调整：

    • 将 并发配音线程数 设为 1。
    • 勾选 移除配音前后静音缓冲。

5. 尝试降低 GPU 负载

  • 在 高级选项 → 通用设置 中，将 GPU 同时任务数 设为 1（默认可能是0代表自动）。
  • 如果显存小于 8GB，可尝试在配音时临时关闭 CUDA 加速（主界面不勾选 CUDA），用 CPU 跑一次短字幕测试，若正常则说明是显存不足。

6. 提供更详细的错误日志

如果以上步骤仍无法解决，请提供：

  • 你用来测试的那条具体字幕文本（从 target_sub SRT 文件中复制最近处理的 1~2 行）。
  • 参考音频 XiTong.wav 的准确时长（秒）和采样率（右键→属性→详细信息）。
  • logs/ 目录下最新的日志文件内容（最后 50 行）。

目前 F5-TTS 工作正常，如果你急用，建议暂时使用 F5-TTS 作为克隆配音渠道，它同样支持声音克隆且对中英文支持良好。待 Qwen3-TTS 模型重新下载后再测试。

Post Your Reply
Open source and free maintenance is not easy. If this project is helpful to you, please consider making a small donation to help the project continue to maintain and update. Dondate: ko-fi.com/jianchang512

Related resource