把任意长度的文本自动切块、逐块送进 IndexTTS2 合成、 再无损合并成完整音频的 Web 服务。同时提供一个通用朗读接口，安卓 / iOS 阅读 App 可直接调用。
面向的实际痛点：IndexTTS2 一次吞一整章会显存溢出；手动切段再拼接又太麻烦。 TTSBatch 把它变成一个「丢 .txt 进去、拿 .wav 出来」的流程。
- 不爆显存 —— 按句末标点切成约 500 字的块逐块推理，GPU 同一时刻只处理一块。 单块仍 OOM 时自动清缓存重试，再不行把该块对半拆开重试。
- 文件名对齐 —— 投入
第一章.txt，输出就是第一章.wav。支持一次投入多个文件。 - 无损合并 —— 纯 Python 按帧拼接 PCM，不重编码、不需要 ffmpeg、零音质损失。
- 断点续跑 —— 每块音频实时落盘。中途失败/重启，已合成的块不会重做。
- 内容缓存 —— 缓存键 = 文本 + 音色 + 全部生成参数。重复提交同样的文本秒级返回。
- 版本免疫 —— 对 IndexTTS2 的依赖全部收敛在
indextts_adapter.py一个文件里。 IndexTTS2 升级、换版本、换安装目录，本服务照常工作。 - 自包含 —— 代码、配置、缓存、输出全在自己的目录，不往 IndexTTS2 安装目录写任何东西。
- 断点续跑 —— 服务崩溃 / 断电 / 被杀 / CUDA 重启之后，下次启动自动把没跑完的任务接着跑。 已完成的分块直接跳过，只补缺的那几块，最后照常合并成完整音频。主动取消的任务不会被复活。
- 崩了能自愈 —— 内置看门狗：进程退出或 CUDA 上下文损坏时自动重启（实测约 6 秒恢复）。
已有一个能跑起来的 IndexTTS2 安装目录（内含 indextts/、checkpoints/、
以及它自带的 python/python.exe）。
:: 1) 复制配置模板
copy config.example.json config.json
:: 2) 改 config.json 里的 index_tts2_dir，指向你的 IndexTTS2 目录
:: 3) 自检（可选，但首次或升级 IndexTTS2 后强烈建议）
<你的IndexTTS2目录>\python\python.exe doctor.py然后启动：
| 脚本 | 用途 |
|---|---|
start.bat |
前台运行，窗口保持打开，Ctrl+C 停止 |
start_bg.bat |
后台运行，没有窗口，并带看门狗自动重启 |
stop.bat |
停止后台服务（先停看门狗再停服务） |
浏览器打开 http://127.0.0.1:7861，拖几个 .txt 进去即可。
start_bg.bat内部调用launcher.py，它做两件事：① 完全脱离控制台。 用 Windows 的
DETACHED_PROCESS启动，服务不继承 任何窗口。早期版本用start /min cmd /c时，子进程和启动它的窗口共享控制台， 窗口一关 Windows 就发 WM_CLOSE，CUDA 依赖链里的 Intel Fortran 运行时会直接 abort 掉整个进程 —— 没有任何 Python 错误日志，服务就消失了 （forrtl: error (200): program aborting due to window-CLOSE event）。② 看门狗。 CUDA 上下文一旦损坏（
CUDA error: unknown error），进程内 无法恢复 —— 后续每次 CUDA 调用都继续抛同样的错。守护进程盯着：进程退出 就重启；引擎报fatal_error就主动杀掉再拉起来。实测约 6 秒恢复， 日志在work/logs/watchdog.log。
同一 WiFi 下，手机浏览器打开 http://电脑IP:7861/api/v1/network， 页面上会直接给出按你的 IP 拼好的朗读接口地址，复制到 App 里就行。
速查（把 192.168.1.23 换成你的电脑 IP）：
http://192.168.1.23:7861/tts?text=%s&voice=example:voice_01
| 文档 | 内容 |
|---|---|
| docs/INSTALL.md | 详细安装、目录配置、防火墙、开机自启、Linux/macOS |
| docs/USAGE.md | 使用手册：网页端操作、手机端接入、API 全量参数、脚本用法 |
| docs/MOBILE_API.md | 手机端接入详解 + curl / Python / Kotlin / Swift 示例 |
| docs/TROUBLESHOOTING.md | 故障排查：闪退、显存、手机连不上、App 报错定位 |
| docs/ARCHITECTURE.md | 内部设计：分块算法、缓存、适配层、并发模型 |
TTSBatch/
├── start.bat / start_bg.bat / stop.bat 启停脚本（纯 ASCII，Windows 下双击即用）
├── launcher.py 脱离控制台启动 + 看门狗（见下）
├── fix_bat.py 修复 bat 编码/换行（从 zip 解压后跑一次）
├── doctor.py 环境自检（升级 IndexTTS2 后先跑这个）
│
├── webapp_server.py 服务主程序：REST API + 静态网页
├── tts_engine.py 分块引擎：切分 / 推理 / 缓存 / 合并
├── indextts_adapter.py ★ 版本适配层（全项目唯一 import indextts 的地方）
│
├── config.json 本地配置（已 gitignore）
├── config.example.json 配置模板
├── requirements.txt 第三方依赖
│
├── static/ 网页界面（原生 HTML/CSS/JS，无构建步骤）
├── tests/ 测试脚本
├── docs/ 文档
│
└── work/ ← 所有运行数据，IndexTTS2 升级也不丢（已 gitignore）
├── cache/ 分块缓存（按内容哈希）—— 断点续跑靠它
├── jobs/ 任务清单 —— 进程重启后据此续跑
├── outputs/batch/ 网页端合成结果
├── outputs/mobile/ 手机端合成结果
├── user_voices/ 上传的参考音色
├── emo/ 情感参考音频
└── logs/ 服务日志 / 看门狗日志
投入 .txt
│
├─ 解码：自动识别 UTF-8 / UTF-8-BOM / UTF-16 / GBK(GB18030) / Big5
│
├─ 切块：按 。！？；… 等句末标点切到约 500 字，单块硬上限 700 字
│ （Mr. Smith、3.5万元、引号内的感叹号都不会被误切；
│ 单句过长时退回逗号处强制拆开）
│
├─ 逐块推理：单块 → work/cache/<内容哈希>.wav（原子写入 + 内容缓存）
│ OOM → 清显存重试 → 对半拆开重试
│
└─ 合并：按帧顺序无损拼接 → outputs/batch/<任务ID>/<原文件名>.wav
关键点：
- 分块容错 —— 英文句点后跟空格才算句末；小数（
3.5）、缩写（Mr.）不会被误切。 - 显存保护 —— 单任务串行推理；显存不足时降级重试而不是直接失败。
- 原子写入 —— 先写临时文件再替换，缓存永远不会是半截数据。
- 断点续跑 —— 每块完成即落盘，重启服务后继续跑剩下的块。
| 字段 | 默认 | 说明 |
|---|---|---|
index_tts2_dir |
"" |
IndexTTS2 根目录。升级后改这里 |
auto_detect_index_tts2 |
true |
填错时自动搜索其它位置 |
host |
0.0.0.0 |
必须是 0.0.0.0，否则手机连不上 |
port |
7861 |
与原版 IndexTTS2 的 7860 错开 |
api_token |
"" |
留空不校验；公网暴露务必填写 |
use_fp16 |
true |
半精度，更快更省显存 |
cuda_kernel |
null |
null 为自动 |
命令行参数覆盖配置文件：
python webapp_server.py --port 8000 --index_tts2 D:\IndexTTS2_v3 --token mysecret对 IndexTTS2 的依赖被完全收敛在 indextts_adapter.py 一个文件里。升级后：
python doctor.py自检会告诉你：IndexTTS2 在哪、找到哪个推理类、情感/生成参数是否还在、
infer 的真实签名长什么样、GPU 和目录是否正常。
无需改代码的情况，适配层已经自动处理：
| 变化 | 处理方式 |
|---|---|
| 模块/类名变化 | 自动在 infer_v2.IndexTTS2 → infer_v2.IndexTTS → infer.IndexTTS2 → infer.IndexTTS 间尝试，还会扫描任意带 infer 方法的 IndexTTS* 类 |
| v1 版本没有情感参数 | 自动剔除该参数，不报错 |
__init__ 参数变化 |
按真实签名过滤（如少了 use_cuda_kernel 就不传） |
| 生成参数改名 | 捕获 TypeError，自动摘掉该参数重试 |
infer 不接受 verbose 等 |
签名内省时即已剔除 |
RTF 约 1.6（RTX 3080，fp16），即约 1 秒文本生成 1.6 秒音频。粗略换算（依显卡而定）：
| 文本量 | 分块数 | 音频时长 | 预计耗时 |
|---|---|---|---|
| 3,000 字 | ~6 | ~9 分钟 | ~12 分钟 |
| 30,000 字 | ~60 | ~90 分钟 | ~2 小时 |
| 100,000 字 | ~200 | ~5 小时 | ~7 小时 |
重复提交相同文本命中缓存，秒级完成。
显存参考：IndexTTS2 v2 模型常驻约 8.9 GB / 10 GB。不要和原版 IndexTTS2 服务同时合成， 两个进程各自把模型加载进显存会直接 OOM。
:: 分块/编码/合并的纯逻辑测试（秒级，不需要显卡）
python tests\test_engine.py
:: 手机端通用接口兼容性测试（需要服务已启动，会真实合成）
python tests\test_mobile_api.py
:: 下载接口测试：中文文件名 / Content-Type / Range（需要服务已启动）
python tests\test_download.py
:: 「另存到目录」测试：路径容错 / 失败提示 / config.json 预设（需要服务已启动）
python tests\test_export.py
:: 续跑还原测试：参考音色/情感音频是否与崩溃前一致（会真的杀进程并重启）
python tests\test_resume_voice.py三个测试脚本都是独立运行的，不需要 pytest。默认连 http://127.0.0.1:7861，
也可以把地址作为第一个参数传进去测局域网访问：
python tests\test_mobile_api.py http://192.168.31.98:7861本项目是 IndexTTS2 的外围工具，不是它的分支或官方组件， 与 IndexTeam 及 IndexTTS2 原作者无隶属关系。
- IndexTTS2 版权归其原作者所有，请遵循其原始许可。
- 本仓库的代码不包含 IndexTTS2 的任何模型权重、源码或示例音频， 运行时需要你自行准备 IndexTTS2 安装目录。
- IndexTTS2 —— 提供高质量的零样本音色克隆 TTS 引擎