#5712 配音阶段出错 [Qwen3-TTS(本地内置)] CUDA error: device-side assert triggeredCompile with `TORCH_USE_CUDA_DSA` to enable device-side

该错误是 Qwen3-TTS 在 GPU 推理时发生的 CUDA 设备端断言异常，常见原因包括显存不足、模型文件损坏或 CUDA/cuDNN 版本不兼容。请按以下步骤排查：

1. 检查显存：Qwen3-TTS 本地模型需要至少 8GB 可用显存，请确保其他程序未占用过多显卡资源（使用 nvidia-smi 确认空闲显存）。
2. 重新下载模型：退出软件，进入软件目录下的 models/models--Qwen--Qwen3-TTS-* 或类似文件夹，删除该文件夹内的所有文件（或整个文件夹），然后重新运行软件，让其在首次配音时自动下载完整模型文件。模型损坏会导致 CUDA 断言错误。
3. 检查 CUDA 环境：确保已安装 CUDA 12.8+ 和 cuDNN 9.11+，并在系统环境变量中正确配置了 bin 和 lib 路径。可在命令行输入 nvcc -V 和 nvidia-smi 确认版本。
4. 临时切换为 CPU 模式：在主界面取消勾选 "CUDA 加速"，用 CPU 运行同一配音任务。若 CPU 下能正常完成，说明问题确为 GPU 环境或模型兼容性导致，请优先更新驱动和 CUDA。
5. 参考音频规范：你当前使用的 voice_role='cosy.wav' 是自定义参考音频（放置于 f5-tts/ 目录），Qwen3-TTS 也支持使用参考音频进行音色克隆。请确保该音频为 wav 格式、时长 3~10 秒、无背景噪声，且文本内容已正确填入“设置参考音频”菜单。

若上述步骤无效，请提供 logs/ 目录下最新的日志文件（复制最后约30行）以及 nvidia-smi 的输出，以便进一步分析。

[DEBUG] start 9 jobs
[DEBUG] 硬件编码器 'h2
......

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.

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 "D:\AI\win-pyvideotrans-v4.04-0704 (1)\_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 "D:\AI\win-pyvideotrans-v4.04-0704 (1)\_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 "D:\AI\win-pyvideotrans-v4.04-0704 (1)\_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.

从日志看，问题依然在执行 Qwen3-TTS 音色克隆时触发 GPU 设备端断言。请按以下步骤操作：

1. 检查 CUDA / cuDNN 版本
   打开命令提示符，运行 nvcc -V 和 nvidia-smi，确认 CUDA 版本 ≥ 12.8，并已安装 cuDNN 9.11。若版本不符，请升级后重启电脑。
2. 降低 GPU 负载
   在 菜单 → 工具 → 高级选项 → 通用设置 中，将 GPU 同时任务数 设为 1；在 语音识别参数 中将 计算数据类型 设为 int8 或 float16，以节省显存。

3. 验证参考音频
   你当前使用了 voice_role='cosy.wav'，请确保该文件：

   • 为 wav 格式
   • 时长在 3~10 秒 之间
   • 内容仅为单一人声，无背景噪声
   • 已按知识库要求在 菜单 → TTS 设置 → 设置参考音频 中填写了对应的文本内容（格式：cosy.wav#音频里的说话文本内容）
4. 重新下载模型
   退出软件，进入 models/ 目录，找到 Qwen3-TTS 相关文件夹（可能名为 models--Qwen--Qwen3-TTS-*），删除其内所有文件。重新启动软件后配音，让软件自动下载完整模型。模型文件损坏也会触发此错误。
5. 临时改用 CPU 模式
   在主界面取消勾选 CUDA 加速，尝试再次配音。若 CPU 模式下成功完成，说明问题确为 GPU 环境或模型损坏所致，请返回步骤 1 确认环境。

完成以上步骤后，若仍报错，请提供 nvidia-smi 的输出和 logs/ 目录下最新日志文件的最后 30 行，以便进一步分析。

必须使用
cuDNN 9.11

是的，cuDNN 版本必须 ≥ 9.11（推荐 9.11 或更高），且与 CUDA 12.8 配套使用。如果已安装正确版本但仍报错，请检查系统环境变量中是否包含了 cuDNN 的 bin 和 lib 目录，确保路径设置无误。若问题依旧，请在取消勾选 CUDA 加速后用 CPU 测试同一任务，以排除 GPU 环境干扰。

CUDNN 13.3 CUDA 12.8.93

cuDNN 13.3 满足要求（需 ≥ 9.11）。问题可能出在其他方面，请继续按以下重点排查：参考音频及其文本配置：确认使用 Qwen3-TTS 克隆时，参考音频文件（cosy.wav）为 wav 格式、时长 3~10 秒、单一人声无噪声，并且在 菜单 → TTS 设置 → 设置参考音频 中已按格式 cosy.wav#音频里的说话文本内容 正确填写。显存占用：运行 nvidia-smi 确认在执行配音前至少有 8GB 空闲显存。可临时降低模型计算精度（高级选项 → 语音识别参数 → 计算数据类型 → int8）。模型完整性：删除 models/ 下 Qwen3-TTS 相关文件夹，让软件重新下载模型，防止文件损坏导致断言失败。强制 CPU 测试：取消勾选 CUDA 加速后重新运行相同任务。若 CPU 下成功，说明问题在于 GPU 环境，请检查驱动程序是否为最新。若仍失败请提供具体报错日志。

显卡是4070S

感谢提供硬件信息。RTX 4070 Super 拥有 12GB 显存，理论上是足够的，但 device-side assert triggered 通常指向模型内部计算越界，常见原因依然是参考音频格式不规范或模型文件损坏。

请按以下顺序操作：

1. 检查参考音频配置

   • 进入 菜单 → TTS设置 → 设置参考音频。
   • 确认 cosy.wav 已在文本框中以一行 cosy.wav#音频里的说话文本内容 正确填写。
   • 确保 cosy.wav 实际存在于 软件根目录/f5-tts/ 文件夹内，且格式为 wav，时长 3~10 秒，无背景噪声。
2. 删除 Qwen3-TTS 模型缓存并重新下载
   退出软件，进入 models/ 目录，删除所有与 Qwen3-TTS 相关的文件夹（通常包含 Qwen 和 Qwen3-TTS 字样），重启软件后再次执行配音任务，让软件自动下载完整模型。
3. 更新 GPU 驱动
   请前往 NVIDIA 官网下载并安装最新的 Game Ready 或 Studio 驱动（当前建议 555.xx 或更高）。
4. 临时用 CPU 测试
   在主界面取消勾选 CUDA 加速，用纯 CPU 运行相同任务。如果成功完成，则问题确认为 GPU 环境，请重点检查驱动或尝试重新安装 CUDA 12.8 及配套 cuDNN。

完成上述操作后，若仍然报错，请提供 nvidia-smi 的输出以及 logs/ 目录下最新日志文件的最后 30 行，以便进一步定位。

cosy.wav 是软件自带示范

明白了，软件自带示范文件 cosy.wav 已存在于正确的目录（通常为 软件根目录/f5-tts/ 或 软件根目录/models/ 下）。但 Qwen3-TTS 渠道使用自定义参考音频时，仍需在“设置参考音频”中显式配置文本内容，否则软件无法获取参考音频的文字，可能导致内部计算异常。

请按以下步骤核实：

1. 检查参考音频配置
   打开 菜单 → TTS设置 → 设置参考音频，查看是否已有一行类似以下的内容：
   cosy.wav#该音频内的说话文本内容
   如果为空或不含文本，请按格式补全。注意：必须准确填入该音频中说话人所说的文字，即使是示范文件也需要填写，否则 Qwen3-TTS 无法正确进行音色克隆。
2. 验证参考音频文件位置
   确保 cosy.wav 文件位于 软件根目录/f5-tts/ 文件夹内（Qwen3-TTS 的参考音频统一放置在此目录，与 F5-TTS 共用），且文件名完全一致（注意大小写和扩展名 .wav）。
3. 模型完整性
   删除 models/ 目录下与 Qwen3-TTS 相关的文件夹（如 models--Qwen--Qwen3-TTS-*），重启软件让其在首次配音时重新下载完整模型。

完成以上配置后重新运行配音任务。若仍报错，请取消勾选“CUDA 加速”用 CPU 试一次，以排除 GPU 环境问题。