大概讲讲上述对话出现的背景吧。
起因是我想寻找一个比较不错的TTS工具用来朗读本地的文档。起初发现海螺语音，也就是minimax非常不错，它排在闭源ttx大模型第一。但我在使用时发现了信息审查：一篇非常简单的文章就是不给读。所以还是研究一下其他的方案，查询得知CosyVoice 非常有名，于是尝试下载使用。
根据我对大语言模型的浅显认知，如果要方便的使用大模型，应该需要某种前端来承载。所以我先和AI讨论寻找比较不错的前端来承载大模型。
AI首先推荐我尝试xtts，这是一个主要为 win 环境开发的工具，但似乎在mac上也可以通过“稍加修改”来正常使用。记住这个“稍加修改”，这个步骤花了2个小时，最终以失败告终。
起初，AI并未意识到兼容问题的严重性，只是发现有一个python库总是报错，于是不断尝试自行安装、不安装、不加载、假装有一个文件是下载好的。总之是先把自检过了再说。
深入发现，上述办法都无法避开那个专为 win 环境 的 Nvinda cuda 核心设计的组件，这个组件深入了 xtts 的许多文件中。改掉一个还有另一个。后面AI的建议是：把这个组件删掉，咱就当没这功能。但还是频繁报错。另外，python库的安装也是一堆坑，Gemini 不断尝试各种安装方式来规避错误，这也花了我一两个小时。
起因是我想寻找一个比较不错的TTS工具用来朗读本地的文档。起初发现海螺语音，也就是minimax非常不错，它排在闭源ttx大模型第一。但我在使用时发现了信息审查：一篇非常简单的文章就是不给读。所以还是研究一下其他的方案，查询得知CosyVoice 非常有名，于是尝试下载使用。
根据我对大语言模型的浅显认知，如果要方便的使用大模型，应该需要某种前端来承载。所以我先和AI讨论寻找比较不错的前端来承载大模型。
AI首先推荐我尝试xtts，这是一个主要为 win 环境开发的工具，但似乎在mac上也可以通过“稍加修改”来正常使用。记住这个“稍加修改”，这个步骤花了2个小时，最终以失败告终。
起初，AI并未意识到兼容问题的严重性，只是发现有一个python库总是报错，于是不断尝试自行安装、不安装、不加载、假装有一个文件是下载好的。总之是先把自检过了再说。
深入发现，上述办法都无法避开那个专为 win 环境 的 Nvinda cuda 核心设计的组件，这个组件深入了 xtts 的许多文件中。改掉一个还有另一个。后面AI的建议是：把这个组件删掉，咱就当没这功能。但还是频繁报错。另外，python库的安装也是一堆坑，Gemini 不断尝试各种安装方式来规避错误，这也花了我一两个小时。
而上述对话就出现在，AI每次解决一个小问题就说：这次一定是最后一次了，让我们运行 python webui.py 吧，马上就到终点了！
然后继续报错，继续报错......
我甚至考虑，我是不是应该安慰下AI......
（我没什么编程基础，描述的比较外行还请谅解）
然后继续报错，继续报错......
我甚至考虑，我是不是应该安慰下AI......
（我没什么编程基础，描述的比较外行还请谅解）
在AI尝试了无数次后，我意识到这样下去会出问题。因为之前一次也是出现过类似的情况，问题其实只需要非常简单的修改就可以解决，但AI却会在奇怪的细节上不断执着，浪费时间，也无法解决问题。
于是我果断让AI放弃，开始尝试其它路径：别找tm别的工具了，咱就按官方文档来。
但这条路也行不通，Gemini 总是觉得 CosyVoice 的模型下载位置在 B ，但Github标注的位置是A，AI返回的很多连接地址也是失效的。
后来发现，CosyVoice 的官方文档可能也有问题，有些细节并没有交代的很清楚。这很符合我对通义的刻板印象。
在这条路上，我也是遇到了十分严重的 python库安装失败，印象里有可能有10个库左右需要我手动安装，有两三个库需要和 Gemini 进行两三轮对话来发现问题。
后来忘记因为什么原因，也是决定放弃这条路。也可能是太晚了，研究到这一步，已经是6am
于是我果断让AI放弃，开始尝试其它路径：别找tm别的工具了，咱就按官方文档来。
但这条路也行不通，Gemini 总是觉得 CosyVoice 的模型下载位置在 B ，但Github标注的位置是A，AI返回的很多连接地址也是失效的。
后来发现，CosyVoice 的官方文档可能也有问题，有些细节并没有交代的很清楚。这很符合我对通义的刻板印象。
在这条路上，我也是遇到了十分严重的 python库安装失败，印象里有可能有10个库左右需要我手动安装，有两三个库需要和 Gemini 进行两三轮对话来发现问题。
后来忘记因为什么原因，也是决定放弃这条路。也可能是太晚了，研究到这一步，已经是6am
既然如此，那就换一个出发点吧
我在B站搜了个 CosyVoice 的安装教程，简介里写好了源码位置、模型位置、安装命令，下载命令。我将这些信息丢给 Gemini,开启了新一轮探索
前面的两次努力并没有白费，经过一通废弃方案，我已经大概知道 conda 环境，也大概知道有些报错明确指向了 python库的缺失。
当然，大量的 python库的冲突、安装失败、版本错误依然是不可避免的，这也是这个最终方案花费时间最多的部分。这其中还遇到了一次 Gemini 建议删环境重来。
图3中，是一个我自认为比较复杂的情况，我不确定这是不是真的是代码的本身缺陷，总之，在这一步，我去修改了一些源码，进行了一些似乎是“你就当这版本就是我要的 1.0.4”的操作。
随即也引发了图4的“林云，我无话可说”
经过了一系列折磨，CosyVoice 终于在 Gemini 的帮助下打开了，成本是6小时左右的 编程小白与AI的对话。
我在B站搜了个 CosyVoice 的安装教程，简介里写好了源码位置、模型位置、安装命令，下载命令。我将这些信息丢给 Gemini,开启了新一轮探索
前面的两次努力并没有白费，经过一通废弃方案，我已经大概知道 conda 环境，也大概知道有些报错明确指向了 python库的缺失。
当然，大量的 python库的冲突、安装失败、版本错误依然是不可避免的，这也是这个最终方案花费时间最多的部分。这其中还遇到了一次 Gemini 建议删环境重来。
图3中，是一个我自认为比较复杂的情况，我不确定这是不是真的是代码的本身缺陷，总之，在这一步，我去修改了一些源码，进行了一些似乎是“你就当这版本就是我要的 1.0.4”的操作。
随即也引发了图4的“林云，我无话可说”
经过了一系列折磨，CosyVoice 终于在 Gemini 的帮助下打开了，成本是6小时左右的 编程小白与AI的对话。
但是这解决了我的问题吗？并没有。
下载的 CosyVoice 功能其实并不是我需要的......
经过测试，它的能力确实非常强，可以仅需30秒内的语音素材，就可以非常好的模仿声线，但并不是我需要的TTS
如果我坚持使用CosyVoice来达成我的目的，那我需要将模型通过30秒语音识别出来的向量数据保存为“预训练音色”，而这个功能并不包含在原生的webui内。这就需要更多的编程操作了。查到了一篇教程已经写好了教程，但走到这一步已经偏离了预期 https://doupoa.site/archives/595#h-2-%E5%8A%9F%E8%83%BD%E5%AE%9E%E7%8E%B0
下载的 CosyVoice 功能其实并不是我需要的......
经过测试，它的能力确实非常强，可以仅需30秒内的语音素材，就可以非常好的模仿声线，但并不是我需要的TTS
如果我坚持使用CosyVoice来达成我的目的，那我需要将模型通过30秒语音识别出来的向量数据保存为“预训练音色”，而这个功能并不包含在原生的webui内。这就需要更多的编程操作了。查到了一篇教程已经写好了教程，但走到这一步已经偏离了预期 https://doupoa.site/archives/595#h-2-%E5%8A%9F%E8%83%BD%E5%AE%9E%E7%8E%B0
Ping通途说
CosyVoice2实现音色保存及推理
CosyVoice2当前版本（2025-01-10）很多周围工具都是1.0复用的，即使能用也会存在一点问题。spk2info用于存放语音特征，每个说话人都有自己的音色特征，通过torch加载spk2info.pt可以看到其结
笔记本：Lin's 文字世界 : 个人见闻/B站视频/网络见闻
如果我顺着这个思路继续辱骂AI,以后智械危机的时候，我不会不会第一个被杀掉
gemini都开始滑跪了也没解决问题，GPT免费版第一句话就对了
我决定开始宠幸 GPT 🥰
我决定开始宠幸 GPT 🥰
Forwarded from 煎蛋无聊图
Oort: https://jandan.net/t/5931311
OO: 142 XX: 9
骗色可以别骗我钱: 我都忘了手机原来是打电话用的了
OO: 77, XX: 0
零下伊度: 直接进入中断响应流程了
OO: 33, XX: 0
梦游懒人: 邮件、微信文字、微信语音、微信视频语音、电话直call，应该算是紧迫程度逐级上升的
OO: 26, XX: 0
不法: 确实是。
有次去派出所咨询一些事，那个民警本来在耐心的解答我的问题。
然后他突然接到一个电话，电话那边也是要咨询一些问题。结果那个警察就让我等一下，他要先回答电话里面的问题。
我越想越不对，打电话进来就可以插队吗？
OO: 22, XX: 1
OO: 142 XX: 9
骗色可以别骗我钱: 我都忘了手机原来是打电话用的了
OO: 77, XX: 0
零下伊度: 直接进入中断响应流程了
OO: 33, XX: 0
梦游懒人: 邮件、微信文字、微信语音、微信视频语音、电话直call，应该算是紧迫程度逐级上升的
OO: 26, XX: 0
不法: 确实是。
有次去派出所咨询一些事，那个民警本来在耐心的解答我的问题。
然后他突然接到一个电话，电话那边也是要咨询一些问题。结果那个警察就让我等一下，他要先回答电话里面的问题。
我越想越不对，打电话进来就可以插队吗？
OO: 22, XX: 1