模型与运行 Provider
理解 Kokoro、MOSS 与 ZipVoice 的产品入口、运行 Provider、回退与资源生命周期。
稳定产品入口
用户在 Studio 中选择的是产品模型，而不是当前运行实现：
| canonical ID | 用户可见名称 | 定位 |
|---|---|---|
kokoro |
Kokoro v1.1 Chinese | 轻量快速、预置音色、实时交互默认推荐 |
moss |
MOSS-TTS-Nano | 兼容保留的参考音频克隆后端 |
zipvoice |
ZipVoice | 高质量克隆与长文本生成后端 |
Provider 独立展示于 /health、/v1/models、后台诊断和 Studio 状态区：
requested_provider / actual_provider / fallback / fallback_reason
旧 MOSS 输入 alias（如 moss-nano-cpu、moss-nano-cuda）继续兼容解析为 moss；不新增公开 zipvoice-cpu 或 zipvoice-cuda 模型 ID。
部署画像矩阵
| 画像 | Kokoro | MOSS-TTS-Nano | ZipVoice |
|---|---|---|---|
| CPU | CPU | CPU | CPU ONNX INT8 |
| 标准 GPU（NVIDIA 主路径） | CUDA | CUDA 优先 / CPU 回退 | CUDA 优先 / CPU ONNX INT8 回退 |
| Legacy GPU | CUDA | CPU 默认 | CPU ONNX INT8 |
标准 GPU 下的 ZipVoice 可使用 cuda_pytorch；实际性能受硬件与驱动环境影响，可通过诊断接口查看 Provider、RTF、显存/RSS 与回退状态。
克隆与 Voice Profile
支持参考音频的模型使用统一的 Voice Profile 与参考音频接口：
/v1/voice-profiles/{engine}
/v1/reference-audio/{engine}/preview
Studio 的浏览器录音会生成标准 WAV，并与文件上传走同一参考条件链路。保存的 Profile 固化参考 WAV 与对应文本；选择有效 Profile 后，不使用页面残留的临时参考条件。ZipVoice 单人参考音频在界面中提示官方建议少于 3 秒；AngeVoice 允许最多 15 秒且不会自动裁剪，较长录音可能影响速度或质量。网页录音需要 HTTPS 或 localhost 安全来源。
流式与实时定位
流式能力只表示分段可以逐步播放，不等价于实时对话。实时体验应结合首段音频延迟、热 RTF、长文本稳定性、取消释放和多轮资源表现判断。当前定位中，Kokoro 更适合实时交互，ZipVoice 更偏向高质量克隆与长文本。
进程隔离、按需唤醒与启动预载
正式 Docker 与 fnOS 模板默认对三个模型开启进程隔离：
KOKORO_PROCESS_ISOLATION_ENABLED=true
MOSS_PROCESS_ISOLATION_ENABLED=true
MOSS_PROCESS_ISOLATION_PROVIDERS=cpu,cuda
ZIPVOICE_PROCESS_ISOLATION_ENABLED=true
ANGEVOICE_STARTUP_PRELOAD_ENABLED=false
ANGEVOICE_STARTUP_PRELOAD_MODEL=kokoro
服务启动时默认只在 Studio 中选中 Kokoro，不把模型权重加载进 API 主进程；首次合成会显示正在唤醒/加载模型。用户可在管理后台按模型关闭隔离，或开启启动预载，但关闭隔离后属于线程内运行，主机 RAM 仅尽力释放，不能承诺回到冷启动基线。开启预载时也通过对应 Worker 加载模型，空闲释放或切换模型时结束 Worker，以便操作系统回收 RAM/VRAM。若启用“空闲后彻底清理”，系统只在空闲卸载成功且服务完全空闲后退出进程，依赖 Docker/服务管理器自动拉起，避免单纯空闲时循环重启。
默认仅保留一个已加载模型运行时：从 Kokoro 切换到 ZipVoice 或 MOSS 时会先释放旧模型 Worker，避免内存和显存叠加占用。MOSS 长文本流式使用独立空闲等待窗口与进度帧保活，避免首帧或分段之间短暂无音频时 WebSocket 被提前关闭。
资产、缓存与释放
模型资产通过后台状态/修复能力管理；Voice Profile、模型资产、配置、凭据与输出均为持久化数据。诊断应同时展示 provider、缓存、RSS/GPU 显存、active task、最近 RTF 与资源释放状态。
Worker 生命周期与诊断字段
隔离运行的模型通过统一状态字段展示实际资源生命周期：
worker_pid / worker_alive / worker_healthy / worker_last_exit_reason
休眠 · Worker 已退出 表示正常按需释放，不属于故障；模型曾经加载成功后 Worker 非预期退出时，诊断会记录异常原因，并允许下一次请求重新创建干净 Worker。为防止取消或强杀留下的旧消息污染下一次合成，每一代 Worker 均使用新的命令队列和结果队列；同一 Worker 的普通请求与流式请求串行读取结果队列，强制取消仍可直接中止卡住的 Worker。