coqui tts 返回静音主因是模型不支持中文或文本预处理错误；piper 中文卡住多因模型路径未配置；树莓派上优先选piper因其轻量、低延迟、中文模型成熟。
Coqui TTS synthesizer.tts 返回空音频或静音？
根本原因通常是模型输入文本未被正确预处理，或模型不支持当前语言/标点。Coqui TTS 的 TTS 类默认用 en-us-kathleen-low 这类英文模型，直接喂中文会静音——它根本没学过中文字音映射。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 确认模型是否支持目标语言：
tts --list_models查看带zh或multilingual标签的模型，例如coqui/tts_zh-CN-huayan-1.0 - 避免用原始中文标点触发分词失败：把
！？。；换成英文标点或加空格，如"你好 ！"→"你好!" - 检查
synthesizer.tts调用时是否漏传speaker_wav（零样本克隆场景）或language（多语模型必须显式指定） - 静音还可能是采样率不匹配：模型输出是
22050，但用44100播放器硬播，听起来像无声——用soundfile.write(..., samplerate=22050)保存再试
Piper piper 命令行合成中文卡住或报 OSError: [Errno 2] No such file or directory
这是 Piper 在找语音模型时路径出错。它默认只查 ~/.local/share/piper 和 /usr/local/share/piper，但你下载的 zh_CN-huayan-medium.onnx 可能放在了桌面或 Downloads 里，Piper 根本看不见。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 别靠
pip install piper后直接跑命令：先手动下载模型到标准位置，比如mkdir -p ~/.local/share/piper && cd ~/.local/share/piper && wget https://github.com/rhasspy/piper/releases/download/2024.02.26/zh_CN-huayan-medium.onnx - 运行时必须加
--model显式指定路径：piper --model ~/.local/share/piper/zh_CN-huayan-medium.onnx -f out.wav - 中文需额外加
--language zh，否则 Piper 默认当英文处理，声调全丢 - 如果仍卡住，加
--debug看日志——大概率是 ONNX Runtime 初始化失败，换系统级安装的onnxruntime-gpu（有 CUDA）或onnxruntime（CPU 版）再试
Coqui vs Piper：选哪个跑在树莓派 4 上？
树莓派 4（4GB）跑 Coqui TTS 的 tts 命令会明显卡顿甚至 OOM，因为它的默认模型（如 tts_models/en/ljspeech/tacotron2-DDC）加载后占内存超 1.2GB，且依赖 PyTorch 动态图，ARM 上优化差。
Piper 更合适，原因很实在：
- Piper 模型是纯 ONNX，无 Python 运行时依赖，
onnxruntimeARM64 wheel 官方支持好，内存常驻仅 300–500MB - 合成延迟低：Piper 单句平均 800ms（含加载），Coqui 同配置下常超 3s，且首次加载后也不稳定
- 中文可用模型更成熟：Piper 的
zh_CN-huayan是专为中文训练的，Coqui 目前没有维护活跃的高质量中文 Tacotron2 或 VITS 模型 - 但注意：Piper 不支持运行时切换 speaker voice，所有音色差异都得靠换模型文件——别指望用一个模型 +
speaker_wav克隆自己声音
合成音频有杂音、断字或语速突变？
不是模型坏了，大概率是文本预处理和语音对齐之间的缝隙没填平。特别是中英文混排、数字、单位符号这类边界，两个框架都容易崩。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 数字统一转汉字：把
"第123章"改成"第一百二十三章"，Piper 和 Coqui 都不擅长读阿拉伯数字 - 英文缩写加空格或括号：如
"CPU使用率"→"C P U 使用率"或"(CPU) 使用率"，避免连读成“扣皮” - Coqui 中若用
vits模型，关掉text_cleaner（设为None）反而更稳——它的默认 cleaner 会把中文标点全删，导致停顿丢失 - Piper 的
--length-scale控制语速，值越小越快，但低于0.8容易吞字；高于1.3会拉长辅音，听感像卡顿
