#6337 [DEBUG] 当前使用配音渠道：ChatterBox(本地内置)diffusers\models\lora.py:393: FutureWarning: LoRACompatibleLinear is deprecated and wil

核心原因：ChatterBox 渠道本身支持 GPU/CUDA 加速。出现“显存占用 4G 但利用率 0%、CPU 在跑、每条约 5 秒”，最大可能是没有勾选主界面“CUDA加速”复选框，或 CUDA/cuDNN 环境不完整；同时 clone 音色模式下，每条字幕都要在 CPU 侧完成参考音频截取、人声处理、Mel 特征提取等预处理，真正 GPU 推理时间极短，所以 GPU 利用率会显示为 0%，5 秒主要耗在 CPU 预处理上。

请按以下顺序排查：

1. 确认主界面第 6 行“CUDA加速”复选框已勾选。未勾选时本地模型（含 ChatterBox）会走 CPU。

2. 验证 CUDA 环境：

   • nvidia-smi 查看驱动支持的最高 CUDA 版本；
   • nvcc -V 确认 CUDA Toolkit ≥ 12.8；
   • 确认 cuDNN ≥ 9.11，且系统 PATH 中已包含 CUDA 的 bin/lib 目录。
3. 高级选项 → 通用设置 → “GPU同时任务数”设为 1；如果不是多卡，不要开启“多显卡模式”。

4. 日志中的 Reference mel length is not equal to 2 * reference token length 说明动态截取的参考音频时长/质量不符合模型要求。clone 模式下软件按字幕时间从原视频裁切参考音频，音频可能过长、过短、有噪声或首尾不完整，导致 CPU 侧反复处理。建议按最佳克隆配置调整：

   • 高级选项 → 语音识别参数：设“最短语音持续毫秒”3000-4000，“最长语音持续秒”6-10，并勾选“合并过短字幕到邻近”；
   • 主界面“设置更多参数”中勾选“分离人声背景声”，可显著改善克隆参考音频质量。
5. 用 ChatterBox 的非 clone 普通角色测试：若普通角色能明显调用 GPU，则问题锁定为 clone 模式下的 CPU 预处理瓶颈；若普通角色同样 GPU 0%，则是 CUDA 环境或“CUDA加速”勾选问题。

如果以上仍无法解决，请提供软件安装目录下 logs/ 文件夹中最新的日志（复制底部约 30 行报错信息），并告知软件左上角版本号，以便进一步定位。

最新版Ｖ4.07，上述说的我都看过，都没问题
DEBUG] self.volume='+0%', self.rate='+0%', self.pitch='+0Hz'
[DEBUG] 当前使用配音渠道：ChatterBox(本地内置)
diffusers\models\lora.py:393: FutureWarning: LoRACompatibleLinear is deprecated and will be removed in version 1.0.0. Use of LoRACompatibleLinear is deprecated. Please switch to PEFT backend by installing PEFT: pip install peft.
deprecate("LoRACompatibleLinear", "1.0.0", deprecation_message)
loaded PerthNet (Implicit) at step 250,000
contextlib.py:103: FutureWarning: torch.backends.cuda.sdp_kernel() is deprecated. In the future, this context manager will be removed. Please see torch.nn.attention.sdpa_kernel() for the new context manager, with updated signature.
WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2
......
length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

WARNING:root:Reference mel length is not equal to 2 * reference token length.

日志中大量 WARNING:root:Reference mel length is not equal to 2 * reference token length. 是问题核心。这说明在 clone 音色模式下，每条字幕从原视频动态截取的参考音频时长/质量不符合 ChatterBox 模型输入要求，导致模型反复在 CPU 侧处理参考音频特征，GPU 只承担了模型加载（显存占用 4G），实际推理利用率接近 0%，速度因此只有约 5 秒/条。

请依次处理：

1. 严格控制动态截取的参考音频时长：进入「菜单 → 工具/选项 → 高级选项 → 语音识别参数」，将「最长语音持续(秒)」设为 6-10，「最短语音持续(毫秒)」设为 3000-4000，并勾选「合并过短字幕到邻近」。
2. 勾选「分离人声背景声」：在主界面「设置更多参数」中勾选，可明显改善截取片段的音频纯净度，减少参考音频不合格的 warning。
3. 测试非 clone 角色：换一个 ChatterBox 普通预置角色配音，观察 GPU 利用率是否恢复正常。若普通角色同样 GPU 0%，则问题在 CUDA 调用/环境或渠道本身；若普通角色正常，则确认问题来自 clone 模式下动态截取的参考音频质量。
4. 改用本地静态参考音频：准备一段 3-10 秒、干净无噪声、单一人声的 WAV 音频，放入软件目录 f5-tts 文件夹；进入「菜单 → TTS 设置 → 设置参考音频」，填写 文件名.wav#音频中的说话文本；保存后，在主界面配音角色下拉框选择该文件名。这种方式可绕过动态截取的不可控因素，更容易触发 GPU 高效推理。
5. 检查版本：你当前为 V4.07，建议确认是否有 v4.08-0802 或更新版本，新版可能包含相关修复。

如果以上仍无效，请提供 logs/ 文件夹中最新日志底部约 30 行完整内容，便于进一步分析。

cuda肯定没问题，语音识别阶段我看日志启用了CUDA，速度很快

既然语音识别阶段 CUDA 已正常启用且速度很快，说明 CUDA 环境无问题。问题锁定在 ChatterBox 渠道 clone 音色模式下对参考音频的处理。

日志中大量 Reference mel length is not equal to 2 * reference token length 警告是核心：clone 模式下，每条字幕都要从原视频动态截取一段参考音频，这段音频的时长、噪声、发音完整性不可控。模型在生成配音前需要把参考音频转为 mel 特征并与参考文本的 token 长度严格对齐（要求 mel 长度 = 2 × token 长度），当前动态截取的音频不满足这一条件，导致模型反复在 CPU 侧进行对齐、重试、特征适配，GPU 只完成了模型加载（显存占用 4G），并未进入有效推理，所以利用率 0%、速度约 5 秒/条。

请按以下顺序处理：

1. 严格控制动态截取的参考音频长度：

   • 进入「菜单 → 工具/选项 → 高级选项 → 语音识别参数」
   • 「最长语音持续(秒)」设为 6-10
   • 「最短语音持续(毫秒)」设为 3000-4000
   • 勾选「合并过短字幕到邻近」
2. 勾选「分离人声背景声」：
   在主界面「设置更多参数」区域勾选，可明显降低背景噪声对参考音频的干扰，减少上述 warning。

3. 改用固定参考音频测试（绕过动态截取的不确定性）：

   • 准备一段 3-10 秒、干净单一人声、无噪声无多余静音的 WAV 音频
   • 放入软件目录 f5-tts 文件夹
   • 进入「菜单 → TTS 设置 → 设置参考音频」，填写 文件名.wav#音频中的说话文本
   • 保存后，在主界面配音角色下拉框选择该文件名
   • 若此时 GPU 利用率恢复正常，则确认问题来自动态截取的参考音频质量
4. 对比测试非 clone 角色：
   换一个 ChatterBox 普通预置角色配音。若普通角色同样 GPU 0%，说明该版本 ChatterBox 渠道本身未正确启用 CUDA；若普通角色正常，则进一步确认是 clone 动态截取的问题。

若以上仍无效，请提供 logs/ 文件夹最新日志底部约 30 行内容，并确认是否已升级到 v4.08-0802 或更新版本。