OpenMOSS/MOSS-TTS-Nano

> onnx在中等性能的cpu上勉勉强强能达到实时，但是效果差(丢词，读错，生硬)，一般业务使用不了。 非onnx的模型中等cpu上完全达不到实时，听感是一种折磨。在gpu(3090)上短文本的RTF>1，达不到实时。长文本的RTF在0.35左右。非onnx的效果比onnx的效果好很多，但是达不到实时，所以综合下来，还得优化。

赞同！

onnx在中等性能的cpu上勉勉强强能达到实时，但是效果差(丢词，读错，生硬)，一般业务使用不了。
非onnx的模型中等cpu上完全达不到实时，听感是一种折磨。在gpu(3090)上短文本的RTF>1，达不到实时。长文本的RTF在0.35左右。非onnx的效果比onnx的效果好很多，但是达不到实时，所以综合下来，还得优化。

您好，我们发布了推理速度更快的onnx版，欢迎试用。

我的也非常慢，实时播放的音频一卡一卡的：
Done | mode=voice_clone | prompt=zh_1 | attn=eager | tts_batch=1 | codec_batch=1 | exec=cpu | cpu_threads=12 | audio=4.80s | elapsed=13.22s
state=done | emitted=4.80s | lead=-6.89s | first_audio=1.41s
CPU：Intel(R) Core(TM) i5-10400 CPU @ 2.90GHz

可以尝试把hf的来源替换为镜像源
```bash
export HF_ENDPOINT=https://hf-mirror.com
```

可以尝试使用 modelscope 下载好模型，然后指定模型路径启动服务
```bash
modelscope download --model openmoss/MOSS-TTS-Nano-100M
modelscope download --model openmoss/MOSS-Audio-Tokenizer-Nano
```

你好，感谢关注！也可以从 https://modelscope.cn/models/openmoss/MOSS-TTS-Nano 上下载模型。

您好, 可以看一下后台有无其他高占 CPU 的进程 (例如 Codex), 如果有的话, 先把这些高占进程 kill 了再试一下是否卡顿

> 您好, 麻烦能提供更详细的报错信息吗

看一下上面贴的，一样的问题，谢谢。

2026-04-16 20:03:09,299 WARNING huggingface_hub.file_download: Xet Storage is enabled for this repo, but the 'hf_xet' package is not installed. Falling back to regular HTTP download. For better performance, install the package with: `pip install huggingface_hub[hf_xet]` or `pip install hf_xet`
model-00001-of-00001.safetensors: 100%|████████████████████████████████████████████| 87.9M/87.9M [01:30

..我也是这样的。。。AI说要禁用符号链接，正在尝试。。

我们已经开源了微调代码，欢迎尝试。

哥们和我下的同一个吧，也是报这个错

你可以尝试运行以下 shell 脚本, 并将输出结果提供给我们

```bash
#!/bin/bash
# MOSS-TTS-Nano Bus Error 诊断脚本
# 用法: bash debug_moss_tts.sh
echo "=== MOSS-TTS-Nano 环境诊断报告 ==="
echo "生成时间: $(date)"
echo ""
echo "【硬件信息】"
echo "CPU 型号: $(grep 'model name' /proc/cpuinfo | head -1 | cut -d':' -f2 | xargs)"
echo "架构: $(uname -m)"
echo "核心数: $(nproc)"
echo "内存总量: $(free -h | awk '/^Mem:/ {print $2}')"
echo "CPU 指令集: $(grep -o 'avx512\|avx2\|sse4_2' /proc/cpuinfo | sort -u | tr '\n' ' ')"
echo ""
echo "【系统环境】"
echo "OS: $(cat /etc/os-release 2>/dev/null | grep PRETTY_NAME | cut -d'"' -f2 || uname -o)"
echo "内核: $(uname -r)"
echo ""
echo "【Python 环境】"
which python
python --version
echo ""
echo "【PyTorch 详情】"
python -c "
import torch
import platform
print(f'PyTorch: {torch.__version__}')
print(f'CUDA 可用: {torch.cuda.is_available()}')
print(f'CUDA 版本: {torch.version.cuda if torch.cuda.is_available() else \"N/A\"}')
print(f'CPU Capability: {torch.backends.cpu.get_cpu_capability()}')
print(f'OpenBLAS: {torch.__config__.show(...

请问您是具体指用三种不同的音色进行音色克隆，还是指将我们的模型进行三种不同微调？
如果是前者，欢迎尝试 [MOSS-TTS-Nano-Reader](https://github.com/OpenMOSS/MOSS-TTS-Nano-Reader), 这里有保存音色的功能。
如果是后者，目前我们还暂未开放微调代码，但不久即将开源，敬请期待。