ChatTTS项目在Mac M1/M2/M3芯片上的运行问题分析与解决方案
ChatTTS作为一款开源的文本转语音工具,在Mac设备上运行时可能会遇到一些兼容性问题。本文将深入分析这些问题的根源,并提供有效的解决方案。
问题现象分析
当用户在搭载Apple M系列芯片(M1/M2/M3)的Mac设备上运行ChatTTS时,主要会出现两类错误提示:
-
核心运行时错误:在执行
wavs = chat.infer(texts, use_decoder=True)
时,系统抛出RuntimeError
,提示INTERNAL ASSERT FAILED
错误,具体指向PyTorch的二进制内核操作问题。 -
持续警告信息:运行过程中不断输出关于
torch._dynamo.convert_frame
的警告,最终显示Device mps not supported
的错误信息。
技术背景解析
这些问题的根源在于PyTorch框架对Apple M系列芯片的Metal Performance Shaders(MPS)后端支持尚不完善:
-
MPS后端限制:PyTorch的MPS后端目前对某些复杂运算(特别是涉及复数类型的操作)支持不完整,导致在音频处理流程中出现断言失败。
-
编译优化冲突:PyTorch的动态图编译优化(torch.compile)与MPS后端存在兼容性问题,无法正确生成针对M1/M2/M3芯片优化的代码。
解决方案
针对上述问题,我们推荐以下几种解决方案:
方案一:禁用动态编译优化
在初始化ChatTTS时,添加以下配置可避免大部分问题:
import torch
torch._dynamo.config.suppress_errors = True
方案二:强制使用CPU计算
虽然性能会有所下降,但可以确保稳定性:
import os
os.environ["PYTORCH_ENABLE_MPS_FALLBACK"] = "1"
方案三:使用特定版本的PyTorch
某些PyTorch版本对MPS支持更稳定,可以尝试:
pip install torch==2.1.0
性能优化建议
对于希望在Mac设备上获得更好性能的用户:
- 使用较小的batch size以减少内存压力
- 考虑使用半精度(fp16)计算
- 监控GPU内存使用情况,适当调整模型参数
未来展望
随着PyTorch对MPS后端支持的不断完善,预计这些问题将在未来的版本中得到解决。开发团队也在积极优化代码,以更好地适配Apple Silicon芯片。
对于技术爱好者,可以关注PyTorch的官方更新日志,及时了解MPS后端的改进情况。同时,ChatTTS项目团队也在持续优化模型架构,以提供更好的跨平台支持。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0263cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









