#8779 v4.12版本的edge-tts配音有部分的缺失，是不是edge-tts的配音渠道失效了？

主要原因是 Edge-TTS 属于微软免费公开接口：短时间内高频请求会触发限流；并且自 v4.16 起，微软已更改验证逻辑，旧版（含 v4.12）的 edge-tts 调用会返回 403 错误，表现为部分字幕配音失败或生成静音片段，甚至整段无声。

解决方案（按顺序尝试）

1. 降低请求频率（先试这一步）
   进入 菜单 → 工具/选项 → 高级选项 → 字幕配音调整：

   • 将 EdgeTTS配音渠道配音并发数 设为 1
   • 将 配音后暂停秒 设为 5 ~ 10
   • 将 EdgeTTS配音渠道失败重试次数 适当调大（如 3~5）
     然后勾选主界面 清理已生成 重新翻译，避免复用已失败的空配音缓存。

2. 如报错含 403，或上面无改善，请升级版本
   知识库明确记录：edge-tts 403 需 下载 v4.16 及以上更新包修复。建议直接升级到最新 v4.18 完整包或补丁包覆盖（注意补丁包需覆盖 sp.exe、_internal、videotrans 等全部内容，而非仅替换 sp.exe）。源码部署则执行：

   uv add git+https://github.com/rany2/edge-tts.git

   若出错，先 uv remove edge-tts 再重新执行上条命令。

3. 代理干扰排查
   若开启了网络代理，可在软件根目录（sp.exe 同级）新建空文件 edgetts-noproxy.txt，强制 Edge-TTS 不走代理。
4. 若仍缺失，请核对日志
   点击进度条查看详细报错，或查看 软件目录/logs/ 下当日日志。请提供报错原文（尤其是否出现 403、No audio was received、speak error 等），以便判断是限流、接口失效还是被本地网络/防火墙拦截。

请查阅相关文档：

• Edge-TTS(免费)
• Windows版下载（含最新补丁包）

edge--tts部署到本地，是不是质量要比 联网好很多？

Edge-TTS 本质上并不是一个可以“部署到本地”的模型，它只是调用微软在线语音合成服务的客户端接口，语音合成始终在微软服务器上完成，本地只负责发请求和接收音频。因此不存在“本地版 Edge-TTS”，也就谈不上音质提升；即使自己搭建中转或代理，音质也与直连完全一致——音质由微软服务端的模型决定，与网络路径无关。本地化能解决的是稳定性问题而非音质问题：可规避限流、403 和网络波动，但需要自行维护服务。若目的是“离线 + 不受限流”，应改用软件内置的本地 TTS 渠道，这些才是真正本地推理的模型：

• 中文效果优先：Qwen3-TTS(内置)、Confucius-TTS(内置)、Index-TTS(本地API)
• 中英及其他：F5-TTS(内置)、ChatterBox(内置)、ZipVoice(内置)、OmniVoice(内置)
• 轻量低配：Piper(内置)、VITS(内置)
• 需要克隆原视频音色：选配音角色含 clone 的渠道（Qwen3-TTS / F5-TTS / OmniVoice / Confucius / ChatterBox / GPT-SoVITS 等）

需要提醒的客观事实：

1. 本地模型音质不一定优于 Edge-TTS，取决于模型规模与你的显存/CPU，部分小模型（Piper/VITS）明显弱于 Edge-TTS。
2. 本地模型首次使用需在线下载模型（1G~5G），且多数需 GPU 才有可接受速度。
3. 若只是偶发缺句，按限流处理（并发数设为 1、暂停 5~10 秒）或升级到 v4.16+ 修复 403 即可，无需更换渠道。

请查阅相关文档：

• Edge-TTS(免费)
• 全部配音渠道说明
• Qwen3-TTS(本地内置)
• F5-TTS(本地内置)
• 模型下载地址

我 16gb显存，自己电脑运行配音模型的话，使用哪个效果最好？

知识库未给出各配音渠道的统一音质排名，因此无法给出“绝对最好”的结论；但按 16GB 显存这一条件，可给出可运行范围与场景化选择。

16GB 显存能跑的范围：软件内置的本地配音渠道（Qwen3-TTS、F5-TTS、OmniVoice、Confucius、ChatterBox、ZipVoice、Higgs-audio-v3 等）基本都可运行；其中 Higgs-audio-v3 官方要求 GPU 加速显存 >10G，你也满足。

按场景推荐

1. 通用首选、支持克隆原音色：Qwen3-TTS(内置)。支持中英日韩德法俄葡西意，支持 clone。客观注意：它在未安装 flash-attn 时会非常慢，而 flash-attn 在 Windows 下兼容性极差几乎不可用，因此实际耗时会明显偏高。
2. 语种覆盖最广：OmniVoice(内置)。600 种语言，支持克隆，CUDA 优先使用。
3. 中英为主、追求自然度：Confucius-TTS(内置)（14 种语言，支持克隆）或 F5-TTS(内置)。
4. 愿意单独部署本地服务、追求更好效果：Index-TTS（中英，支持克隆）或 GPT-SoVITS（中英日韩粤，支持克隆），二者均为本地 API 方式，需自行部署后用 WebUI 地址接入，音质上限通常高于内置小模型。
5. Higgs-audio-v3(内置)：支持所有内置语言、支持克隆，你的显存可跑，可作为对比测试项。

需要客观说明的两点

• 内置本地模型不一定优于 Edge-TTS，尤其 Piper/VITS 这类轻量模型明显更弱；Qwen3-TTS/Confucius/F5/Index-TTS 通常可持平或更好，但取决于音色与文本。
• 使用 clone 角色时，必须把 高级选项 → 语音识别参数 的 最短语音持续毫秒 设为 ≥3000（知识库建议 3000，最长语音持续 5~10 秒），否则会因参考音频过短报错或效果变差。

16GB 显存下的必要设置

1. 菜单 → 工具/选项 → 高级选项 → 通用设置：GPU同时任务数 保持 1。
2. 勾选 为qwen3-tts使用8位量化 可进一步降低显存占用（若使用 Qwen3-TTS）。
3. 首次使用需在线下载模型（1~5G），下载失败可按模型下载页手动放置。

最终建议：用同一段 3~5 分钟、含多说话人的素材，把 Qwen3-TTS、Confucius、F5-TTS、OmniVoice 各跑一遍试听后再定；音质主观差异较大，无法仅凭参数判断。

请查阅相关文档：

• 全部配音渠道说明
• Qwen3-TTS(本地内置)
• F5-TTS(本地内置)
• OmniVoice-TTS
• IndexTTS/VoxCPM/FireRedTTS3
• GPT-SoVITS(本地API)
• 模型下载地址