ViiTorVoice-NAR Windows 绿色懒人包。这是一个基于非自回归（NAR）架构的语音生成系统，专门用于高质量的声音克隆和音频局部编辑。虽然这个包显存要求比较高，但我忍不住要分享给大家，我自己觉得太有用了，给开源TTS找出了一个新方向。
本懒人包已集成完整的 WinPython 环境、CUDA 加速库、FFmpeg 以及预训练模型，解压即用。
🌟 核心功能
声音克隆 (Voice Cloning)：仅需一段几秒钟的参考音频，即可克隆目标音色并合成任意文本。
局部编辑 (Vocie Editing)：无需重新生成整段音频，仅需修改文本，系统会自动定位并重写音频中的对应片段，确保前后衔接完美。
情感与副语言控制：支持通过标签控制情感（如：愤怒、开心）和非语言特征（如：笑声、叹气）。
极速推理：支持 TensorRT 加速，首帧延迟低至 60ms 左右。
💻 配置要求
操作系统：Windows 10 / 11 (64位)
显卡 (GPU)：必须为 NVIDIA 显卡
显存建议：16GB 或以上（最低要求 12GB）
驱动建议：建议更新至较新版本的 NVIDIA 驱动以支持 CUDA 12.8
存储空间：约 30GB 左右（含模型与环境）
🚀 快速开始
第一步：初次运行生成缓存（强烈建议）
为了确保您的硬件环境（显卡驱动、DLL 依赖等）完全兼容，第一次使用时请进入 分布式启动 文件夹。
请按照编号顺序，依次运行 文件夹内的脚本：
运行 1_Decoder.bat（检查解码器）
运行 2_LLM.bat（检查语言模型与 GPU 加速）
运行 3_Encoder.bat（检查基础编码器）
运行 4_Orchestrator.bat（检查核心编排服务）
运行 5_HTTP.bat（检查 API 接口）
⚠️注意：请等待并确认 1-5 号窗口均显示 listening on 127.0.0.1:xxxxx 且没有报错，这表示服务启动正常。
运行 6_WebUI.bat（启动可视化界面）
⚠️首次运行延迟：第一次点击运行以上5个分布服务时，系统会根据您的显卡环境生成 TensorRT 加速缓存。此时后台窗口可能会停留 2-10 分钟（根据系统配置不同），并且看到显存大量使用，这是正常现象。生成一次后，后续启动和语音生成会很快。此过程请一定耐心等待！！！
第二步：日常使用
第一次分布启动生成缓存无误后，以后使用只需双击根目录下的：
👉 一键启动WebUI.bat 即可，随后自动打开浏览器进入操作界面。如果浏览器没有自动弹出，请复制或者输入默认地址：127.0.0.1:7862即可访问。
⚠️ 重要说明
路径要求：请勿将文件夹放在包含中文或特殊字符的路径下，建议放在盘符根目录（如 D:\ViiTorVoice）。
后台窗口：本工具同时运行 5 个 AI 模块，运行期间请不要关闭打开的所有命令行窗口。
🤝 致敬开源
本整合包的诞生离不开以下开源项目的杰出贡献，向原作者致以最崇高的敬意：
ViiTorVoice-NAR：本项目的基础架构与模型。
OmniVoice：模型架构与训练思路的重要灵感来源。
DualCodec：提供了优秀的音频编解码方案。
WinPython：提供了便捷的绿色 Python 环境支持。
本工具仅供科研与学习交流使用，请勿用于非法用途。在使用克隆功能时，请务必遵守当地法律法规并尊重他人的声音版权。
如果觉得工具还行，转、评、赞给一个吧！关注我，享受 AI 创作的乐趣吧！
