#7339 用qwen3.5 tts 0.6b本地内置配音，RTX4050配音后是杂音，CPU配音正常。

核心原因是 Qwen3-TTS 在 GPU/显存不足或数据类型不兼容时，声码器解码会产生杂音，而 CPU 模式走的是另一种数值路径所以正常。RTX 4050 笔记本版通常只有 6GB 显存，运行 Qwen3-TTS 容易触发显存溢出或精度问题，导致输出音频损坏。

按以下顺序排查：

1. 降低显存占用与精度
   进入 菜单 → 工具 → 高级选项 → 语音识别参数，将 计算数据类型 从 float32 改为 float16。
   同时确保 GPU同时任务数 设为 1。

2. 缩短参考音频/字幕切片
   若使用 clone 角色，进入 高级选项 → 语音识别参数：

   • 最短语音持续 保持在 3000 毫秒以上
   • 最长语音持续 设为 6~10 秒
     参考音频不在 3-10 秒区间内极易产生杂音。
3. 确认显存是否被占满
   配音时用 nvidia-smi 观察显存，若接近 6GB 上限，说明就是显存不足导致解码异常。
4. 临时规避
   在 Qwen3-TTS 渠道设置中关闭 GPU 相关选项（若渠道支持），或改用 Edge-TTS 作为过渡验证。
5. 若以上均无效
   若排除后仍报 CUDA error 类错误，请升级到最新 v4.12 版本，官方日志中已修复多起 GPU 相关 bug。

请查阅相关文档：

• Qwen-TTS(本地内置)
• 高级选项
• 最佳配置推荐

不是报错 而是生成杂音。本身就选的float16,区区0.6B不可能超过6G显存吧，我试听只占用不到2G显存

这是 Qwen3-TTS 在 GPU 下的已知采样/声码器兼容问题，非显存不足所致。可尝试以下处理：

1. 切换 TTS 渠道的"运行设备"选项：进入 菜单 → TTS设置 → Qwen-TTS 相关配置，确认是否有强制设备的开关；若渠道无此设置，说明该版本 GPU 路径本身存在问题。

2. 确认参考音频质量：即便显存占用低，若作为克隆参考的音频切片过短（<3s）、含噪声或首尾被硬切，GPU 解码路径放大的瑕疵会表现为杂音。进入 高级选项 → 语音识别参数，将：

   • 最短语音持续 设为 3500~4000 毫秒
   • 最长语音持续 设为 6~8 秒
3. 关闭上下文感知：高级选项 → 语音识别参数 → 启用上下文感知 设为 False，避免 GPU 路径的数值累积异常。
4. 检查 CUDA/cuDNN 版本：要求 CUDA 12.8 及以上、cuDNN 9.11 及以上。版本不匹配时 GPU 推理可能不报错但输出异常（静默数值错误）。用 nvcc -V 和 nvidia-smi 确认。
5. 升级到最新补丁包：v4.12 更新日志含"修复其他已知bug"，且历史上有 GPU 通道数值问题的补丁修复。请下载当前时刻的完整补丁包覆盖一次。
6. 若仍无效：这是 GPU 路径下模型本身的输出异常，非软件配置能解。临时方案是在 Qwen3-TTS 中保留 CPU 运行（你已确认正常），或改用同样支持 clone 且 GPU 稳定的渠道，如 Confucius-TTS / OmniVoice / F5-TTS。

如果上述排查后仍生成杂音，请提供安装目录下 logs/ 中最新日志底部约30行（含 GPU 相关信息），以及你使用的具体补丁包版本号，以便进一步分析。

请查阅相关文档：

• Qwen-TTS(本地内置)
• 高级选项
• Windos上配置CUDA和cuDNN

Microsoft Windows [版本 10.0.26200.9445]
(c) Microsoft Corporation。保留所有权利。

C:\Users\Administrator>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Fri_Feb_21_20:42:46_Pacific_Standard_Time_2025
Cuda compilation tools, release 12.8, V12.8.93
Build cuda_12.8.r12.8/compiler.35583870_0

C:\Users\Administrator>nvidia-smi
Wed Sep 16 14:44:53 2026
+

+

从环境看 CUDA 12.8 正确、驱动 595.79、显存充足且未克隆——排除配置与音频切片问题。这是 Qwen3-TTS 内置渠道在 RTX 40 系 GPU 下声码器输出的数值异常，属于模型/推理框架层面的已知兼容问题，非软件设置可解。可尝试的规避方案：改用同类内置、GPU 路径稳定的克隆/配音渠道（你未用克隆，普通配音同样适用）：Confucius-TTS(内置)：支持中英日韩等14种语言，GPU 稳定OmniVoice-TTS：支持大量语言，优先使用 GPUChatterBox(内置)：多语言，GPU 支持F5-TTS(内置)：中英，GPU 支持若必须用 Qwen3-TTS 且仅 GPU 有杂音：在 TTS设置 中确认是否有"强制设备/CPU 推理"开关，强制走 CPU（你已验证 CPU 正常），代价是速度慢。RTX 40 系 + 该模型杂音属偶发兼容问题，如后续版本修复会体现在更新日志，可关注 v4.12 之后的补丁包。请查阅相关文档：Qwen-TTS(本地内置)全部配音渠道说明

你的意思是软件bug吗。或者是模型的问题吗，等待更新修复bug吗

二者皆有可能，但根据你已验证的信息（CUDA/cuDNN 正确、显存充足、float16、非克隆、CPU 正常），更可能是模型在 GPU 推理路径下的数值输出异常，而非软件配置层面的 bug。具体判断：模型层面：Qwen3-TTS 的声码器在特定 GPU 架构（如 RTX 40 系）或特定 CUDA/驱动版本组合下，可能产生数值溢出/精度丢失，导致输出杂音。这不是必然发生，而是环境组合相关，属于上游模型问题。软件层面：软件负责调度模型与拼接参数，若参数传递或数据类型转换存在缺陷，也会表现为杂音。但官方 v4.12 更新日志未提及 Qwen3-TTS 相关修复，无法确认。是否等待更新：无确切时间表。可行做法：暂用 CPU 运行 Qwen3-TTS（你已确认正常），或改用 Confucius-TTS / OmniVoice / F5-TTS 等其他内置渠道在 GPU 下工作。若希望推动修复，建议前往官方 GitHub 提 Issue，附上你的环境信息（RTX 4050、CUDA 12.8、cuDNN 版本、v4.12、float16、非克隆、CPU 正常而 GPU 杂音）与一段杂音输出样例，便于开发者复现。请查阅相关文档：Qwen-TTS(本地内置)

0.6b是本地最小最快的tts内置模型吧？其他占用高更慢

是，但你理解有偏差——Qwen3-TTS 0.6B 在 pyVideoTrans 的内置 TTS 里并不是最小/最快的一档，几种常见内置配音渠道对比如下（均支持 GPU，均为本地离线）：

• Qwen3-TTS 0.6B：参数小，但推理并非最轻量，仍需较大显存与较高计算量。
• Piper(内置)：轻量级，CPU 即可快速运行（不支持 GPU，本身就不需要 GPU），速度明显快于 Qwen3-TTS。
• VITS(内置)：中英，CPU 运行，体积小、速度快。
• ZipVoice(内置)：中英，轻量、支持克隆，速度较快。
• F5-TTS(内置)：中英等，参数较大，比 Qwen3-TTS 更重。
• Confucius-TTS / OmniVoice-TTS / ChatterBox：多语言，资源占用不低于 Qwen3-TTS。

所以若你的诉求是"最小最快"，应优先考虑 Piper 或 VITS（CPU 即可，无需纠结 GPU 杂音问题），但二者不支持克隆、语言覆盖有限。若需要 GPU + 多语言 + 较好音质，且想避开 Qwen3-TTS 的杂音，可试 ZipVoice（中英）或 Confucius-TTS。请查阅相关文档：全部配音渠道说明VITS/Piper-TTS(本地内置)

你的意思是piper用cpu比qwen3 0.6b的gpu模式还要快吗

不能这样一概而论，需要区分"模型推理速度"与"端到端配音速度"，两者不等价，且强依赖语言/机器规格，无法给出确定结论。要点：Piper 是轻量 TTS，模型规模远小于 Qwen3-TTS 0.6B，单句推理通常更快，且它固定走 CPU，省去了 GPU 数据传输开销。但配音端到端速度还受 VAD 切片数、并发线程、是否克隆等影响，不是一个模型的推理耗时能代表全部。Qwen3-TTS 虽然参数不算大，但包含更复杂的声学/声码器结构，单句推理比 Piper 重，GPU 加速能缩小差距但不必然反超 Piper 的 CPU 表现。同样，Piper 的音质、语言覆盖、是否支持克隆，都弱于 Qwen3-TTS，速度不是唯一指标。结论：在同语言、同字幕量、同机器下，Piper(CPU) 有可能比 Qwen3-TTS 0.6B(GPU) 更快，但不保证；这需要你实测，无法在知识库层面给出确定答案。你的核心问题是 Qwen3-TTS GPU 杂音。若只是想要"能跑、不炸、够用"，直接用 Piper/VITS 走 CPU 是最省事的路径；若坚持 GPU + 多语言 + 音质，建议换 ZipVoice 或 Confucius-TTS 验证。请查阅相关文档：全部配音渠道说明VITS/Piper-TTS(本地内置)