ChatTTS 硬件配置要求——显存、CPU、存储各要多少
核心结论
ChatTTS 虽然只有 ~300M 参数，但它是生成模型，推理过程需要把完整模型加载到显存。官方测试：生成 30 秒音频至少需要 4 GB 显存。
配置对比表
| 组件 | 最低要求 | 推荐配置 |
|---|---|---|
| GPU | RTX 3060（4 GB 可用） | RTX 3090 / RTX 4090（8 GB+） |
| VRAM | 4 GB | 8 GB+ |
| 系统内存 | 8 GB | 16 GB |
| 磁盘 | 5 GB（模型 + 依赖） | 10 GB |
| Python | 3.9 | 3.11 |
| CUDA | 11.8 | 12.8 |
CPU 模式（无 GPU）
没有 NVIDIA GPU 也能跑，但体验会明显下降：
- 推理速度慢约 5 ~ 10 倍（取决于 CPU 型号）
- 仍然要加载 300M 参数到内存，8 GB RAM 勉强够
- 适合测试验证，不适合批量生产
在代码里强制 CPU：
chat.load(compile=False, device='cpu')实际运行参数参考
以下是社区实测数据（仅供参考，以官方为准）：
- RTX 4090：约 7 语义 token / 秒，RTF ≈ 0.3
- RTX 3060 12GB：约 2~3 语义 token / 秒
- CPU（i7-13700K）：约 0.3~0.5 语义 token / 秒
RTF（Real-Time Factor）是生成速度与播放速度的比值——0.3 意味着生成 10 秒音频需要 3 秒，远快于实时。
磁盘空间
- PyPI 包本身很小（几十 MB）
- 模型权重（4 万小时版本）约数百 MB
- torch + torchaudio + CUDA 轮子约 2~4 GB
- 预留至少 5 GB 总空间