#6777 Qwen/Qwen3-TTS-12Hz-1.7B-Base 该模型生成速度非常慢 一直克隆不出来 请问作者大大有解决办法吗

这是因为你使用的是更大的 Qwen3-TTS-12Hz-1.7B-Base 模型，而软件内置默认推荐的是 0.6B 版本，模型参数越多，生成越慢；若未正确启用 CUDA 或显存不足，克隆模式还会额外动态裁切参考音频，进一步放大耗时，导致长时间卡在“克隆”阶段。

可依次尝试以下方法：

1. 改回默认 0.6B 模型：仅保留 软件目录/models/models--Qwen--Qwen3-TTS-12Hz-0.6B-Base 模型，删除或移走 1.7B 模型目录，避免优先加载大模型。
2. 确认 CUDA 已启用：必须是 NVIDIA 显卡，并安装 CUDA 12.8+ 与 cuDNN 9.11+；在“高级选项 → 语音识别参数”中将“计算数据类型”设为 float16，可显著提升生成速度。
3. 检查克隆参考音频设置：参考音频时长应控制在 3-10 秒；进入“高级选项 → 语音识别参数”，确保“最短语音持续毫秒”≥3000，并勾选“合并过短字幕到邻近”。
4. 不要使用 LLM 重新断句：克隆模式下会重新切分时间轴，导致参考音频与说话时间错位，并增加额外处理时间。
5. 若日志中出现 CUDA error: device-side assert triggered：优先检查显存是否充足、参考音频时长是否合规；仍无法解决请升级到 v4.05-0709 或更新版本。

如果以上调整后仍然无法克隆成功，请提供软件安装目录下 logs/ 文件夹内最新日志的末尾约 30 行，并告知软件左上角的版本号，以便进一步定位。

请查阅相关文档：

• Qwen3-TTS
• 手动下载模型

无法读取您发送的图片内容，但根据您描述的 Qwen3-TTS-12Hz-1.7B-Base 克隆慢的问题，核心原因仍是：模型体积过大、未正确启用 CUDA，或克隆时参考音频时长/断句设置不合理。请优先检查以下几点：

1. 改用默认 0.6B 模型：Qwen3-TTS 本地推荐版是 Qwen3-TTS-12Hz-0.6B-Base，1.7B 参数翻倍，生成速度会明显更慢。建议删除或移走 软件目录/models/models--Qwen--Qwen3-TTS-12Hz-1.7B-Base 文件夹，仅保留 0.6B 模型。
2. 确认 CUDA 已启用：必须使用 NVIDIA 显卡，并配置 CUDA 12.8+ 和 cuDNN 9.11+；在“高级选项 → 语音识别参数”中将“计算数据类型”设为 float16。如果显存小于 8GB，建议放弃 1.7B，改用 0.6B。
3. 检查克隆参考音频设置：“最短语音持续毫秒”需 ≥3000，并勾选“合并过短字幕到邻近”；参考音频过长或过短都会使克隆阶段卡住。
4. 不要使用 LLM 重新断句：克隆模式下该功能会重新切分时间轴，导致参考音频错位，并显著增加处理时间。

由于无法看到图片中的具体报错，请您补充以下信息，以便进一步定位：

• 软件左上角版本号；
• logs/ 文件夹中最新日志文件末尾约 30 行报错信息（直接粘贴文字即可）。

已经切换为0.6B模型 最大重试次数已超限，错误详情为: /api/
models/Qwen/Qwen3-TTS-12Hz-0.6B- Base/revision/main (Caused by SSLError (SSLEOFError (8, ISSL: Unexpected EOF WHILE READINGEOF发生，违反了协议规定 (ssl.c:1010)))) ")，(请求ID:76f8868b-c816-4ba6-82e6-2af943dd790f)1)

报错原因：模型下载时与 huggingface.co 建立 SSL 连接失败，通常是被墙、代理不稳定或镜像站限流导致网络中断。模型本身没有损坏，只需手动下载后放到指定目录即可解决。

请按以下步骤操作：

1. 手动下载 0.6B 模型：打开 https://huggingface.co/Qwen/Qwen3-TTS-12Hz-0.6B-Base/tree/main ，下载该页面内的所有文件（需科学上网；若无代理，可先尝试挂代理，或用下方备用提示）。

2. 将下载的所有文件放入：软件目录/models/models--Qwen--Qwen3-TTS-12Hz-0.6B-Base/

   • 注意：如果浏览器把同名文件自动重命名（如 model(2).safetensors），必须改回原名；如果目录已存在旧文件，先删除后再放入新文件。
3. 重新启动 sp.exe，再次运行配音任务，软件检测到本地模型后不会再联网下载。

补充说明：国内网络不稳定时，软件会自动尝试 hf-mirror.com 等镜像，但仍可能失败；手动下载最稳妥。若下载超大文件容易中断，建议使用支持断点续传的下载工具。

如果手动放置后仍报错，请提供软件安装目录下 logs/ 文件夹中最新日志末尾约 30 行，以及软件左上角版本号。

请查阅相关文档：

• 手动下载模型

0
0.6B模型 克隆 不按照参考文本 经常自己多生成一段

无法读取您发送的图片内容，但根据您描述“0.6B 模型克隆不按照参考文本、经常自己多生成一段”的现象，核心原因通常是：克隆时参考音频质量不可控，或参考文本与参考音频内容不一致，导致模型无法准确循着参考文本生成。请按以下步骤排查和解决：

1. 优先使用本地参考音频，而不是动态裁切原视频
   自动 clone 模式会根据每条字幕的起止时间，从原视频中动态裁切参考音频，这个片段可能时长不合适、有背景噪声、开头结尾中断一句话、中间有停顿反复，参考音频质量不可控，模型就会“自己多生成”。建议准备一段 3-10 秒的 WAV 音频，要求：清晰单一人声、无背景噪声、开头结尾无多余静音。将音频放到 软件目录/f5-tts/ 文件夹内，然后在 菜单 → TTS 设置 → 设置参考音频 中填写：

   文件名.wav#音频中的说话文本

   例如 myaudio1.wav#你说四大皆空，却为何紧闭双眼。保存后，在主界面配音角色下拉框中选择 myaudio1.wav。

2. 确保参考文本与实际音频内容完全一致
   参考文本必须和 wav 中朗读的内容逐字一致，不要多字、少字。若不一致，模型会无法对齐参考音频，容易出现多余生成。
3. 勾选“分离人声背景声”
   主界面 设置更多参数 中勾选 分离人声背景声，再克隆，可显著提升参考音频纯净度和克隆效果。

4. 调整克隆相关高级选项
   进入 菜单 → 工具 → 高级选项 → 语音识别参数：

   • 最短语音持续毫秒：设为 3000-4000
   • 最长语音持续秒数：6-10
   • 勾选 合并过短字幕到邻近
   • 不要使用 LLM重新断句，它会导致时间轴被重排，影响参考音频截取和生成对齐。
5. 若仍失败，需更换克隆渠道验证
   如果 Qwen3-TTS 0.6B 对某个参考音频始终生成不准确，可换用 OmniVoice、Confucius、F5-TTS、GPT-SoVITS 等渠道对比测试，不同模型对参考音频的跟随能力不同。

以上仍无法解决时，请提供软件 logs/ 文件夹中最新日志末尾约 30 行报错内容，以及软件左上角版本号，以便进一步定位。

请查阅相关文档：

• Qwen3-TTS 渠道说明
• 原音色克隆/多角色配音