常见问题 FAQ
硬件
Q：最低需要什么显卡？
NVIDIA、计算能力 ≥ 6.0、显存 ≥ 2 GB。P106-100 这种矿卡完全可以， 实测 RTF 0.41x（比实时快一倍多）。详见硬件与显存要求。
Q：我的卡是 Pascal（P106 / P4 / P40 / GTX 10 系），装完报 no kernel image is available 或 CUDA error: operation not supported？
PyTorch 版本不对。cu124 之后的 PyTorch 不再编译 sm_61 内核，必须用 cu121：
pip install torch==2.5.1+cu121 torchaudio==2.5.1+cu121 \
--index-url https://download.pytorch.org/whl/cu121Windows 整合包是双击 升级到老显卡版torch.bat。 Linux 安装脚本默认就装 cu121，不用管。
Q：显存只有 2 GB，长文本会不会 OOM？
不会。服务端会自动把长文本切成多段合成再拼接，显存峰值只与单段长度有关。 2 GB 显存把 chunk.max_chars 设成 60 即可（峰值约 1.7 GB）。
Q：没有显卡能跑吗？
能。rvc.device: "cpu"，或者让 rvc.min_vram_mb 高于你的显存。 速度大约是实时的 3~5 倍耗时。
Q：显存不够时会直接失败吗？
不会。检测到显存不足会自动改用 CPU；运行时 OOM 也会自动降级 CPU 重试 （rvc.allow_cpu_fallback）。只是慢一些，音频照样给你。
语音合成
Q：No audio was received. Please verify that your parameters are correct.
这是微软在线语音（Edge TTS）的瞬时故障。服务端会自动重试 3 次； 仍然失败且 tts.source: "auto" 时会自动改用本地离线语音，请求不会失败。
Q：Cannot connect to host speech.platform.bing.com / Connection timeout
同样是网络问题，已归类为可重试错误。如果这台机器长期连不上微软， 建议直接把 tts.source 设成 sapi（Windows）或 espeak（Linux）走全离线。
Q：怎么完全离线使用？
- Windows：
tts.source: "sapi"（用系统自带语音，无需额外安装） - Linux：
sudo apt install -y espeak-ng，然后tts.source: "espeak"
离线语音音色比较机械，但经过 RVC 转换之后可用。
Q：长文本听起来在分段处有停顿？
这是分段拼接不可避免的接缝。想减少分段就调大 chunk.max_chars （需要更多显存），或者不要一次合成太长的文本（聊天回复本身不会很长）。
Q：想换音色怎么办？
把 .pth（和可选的 .index）放进 models/，改 config.yaml 里的 rvc.model / rvc.index，重启服务。
Q：f0_method 怎么选？
rmvpe 音质最好（默认值）；机器慢或显存很小时可以换 pm 或 dio， 速度快但音质下降。详见配置详解。
部署
Q：启动后卡好几分钟没反应？
在联网下载 hubert_base.pt / rmvpe.pt。把这两个权重放到服务端根目录即可 （服务端发现本地已有就会设 HF_HUB_OFFLINE=1，跳过联网检查）。
Q：报 ModuleNotFoundError: No module named 'pkg_resources'
setuptools 81+ 删除了 pkg_resources，而 librosa 还在用它：
pip install "setuptools<81"安装脚本已自动处理。
Q：报 'tuple' object has no attribute 'dtype'
找不到 ffmpeg。apt install -y ffmpeg，或者把 ffmpeg 可执行文件放到 <服务目录>/bin/（服务启动时会自动把它加进 PATH）。
Q：No module named 'fairseq'，或者 fairseq 编译时炸了？
Linux 上 tts-with-rvc 依赖 fairseq-fixed，而 PyPI 上只有 cp312 的 manylinux wheel。所以必须用 Python 3.12 —— 用 3.10 / 3.11 会退化成源码编译 fairseq，几乎必然失败。安装脚本会用独立运行时装 3.12，不要换。
Q：服务开机自启怎么配？
Linux 安装脚本已自动注册 systemd 服务（systemctl enable --now tts-server）。 Windows 整合包用 后台启动.bat，或加进「任务计划程序」。
使用
Q：网页控制台要密码吗？
默认不要。填了 webui.password 就会启用登录页，账号是 webui.username （默认 admin）。详见网页控制台。
Q：控制台密码和 API Key 是一回事吗？
不是。API Key 保护的是程序调用（/api/tts）； 控制台密码保护的是人在浏览器里看的状态页面。两者独立。
Q：生成的音频会一直堆在磁盘上吗？
不会。storage.expire_minutes（默认 10 分钟）到期自动删除， 后台清理间隔由 cleanup_interval_minutes 控制，控制台上也能手动清理。
Q：相同文本会重复推理吗？
不会。storage.cache_by_text 打开时（默认），保留期内同样的文本直接复用已有音频，秒回。
Q：能同时处理多个请求吗？
可以排队，但 RVC 推理由底层库串行化，max_concurrent 建议保持 1。
Q：AstrBot 一直发文字不发语音？
- 在 AstrBot 所在机器上执行
curl http://服务端IP:端口/api/health，确认能通 - 检查插件的
api_key与服务端security.api_key是否一致 - 看 AstrBot 日志里
[VoiceReply]开头的错误行 - 文本可能超过插件的
max_text_length，被有意降级成文字
Q：能把服务暴露到公网吗？
可以，但要注意：
- API Key 与网页密码都是明文比较、HTTP 明文传输，公网必须套 HTTPS
- 建议用 Nginx / Caddy 反向代理，加上限流和更严格的认证
- 其它服务（比如同机上的 Ollama）不要跟着一起暴露
版权与合规
关于声音版权
使用他人的声音模型前，请务必确认已获得授权。 克隆他人声音用于冒充、诈骗等用途，在多数国家和地区都是违法的。 本项目只提供技术能力，使用后果由使用者自负。
Q：Edge TTS 是免费的吗？
本项目调用的是微软 Edge 浏览器的公开朗读接口（edge-tts 库），不需要 API Key。 但它不是官方承诺的公开 API，可能随时变化或限流 —— 所以本项目才做了重试与离线兜底。