Fix ChatTTS Corrupt input data by correcting speaker params.

Use spk_smp plus txt_smp for voice clone instead of mis-encoding into spk_emb; migrate legacy speaker_emb.pt and improve error hints.

Co-authored-by: Cursor <cursoragent@cursor.com>

DEPLOY.md

@@ -779,14 +779,31 @@ pm2 restart trading_studio
 2. 增大 `config.py` 中 `OLLAMA_TIMEOUT`
 3. 检查防火墙：`sudo ufw allow from 192.168.8.0/24 to any port 11434`（在 Ollama 节点）
 
-### 10.5 ChatTTS 音色文件损坏
+### 10.5 ChatTTS 合成报 `Corrupt input data`
+
+**原因：** 音色参数传错。`sample_audio_speaker()` 的结果应作为 **`spk_smp`**，不能同时误传给 **`spk_emb`**（LZMA 解压失败）。旧版 `speaker_emb.pt` 或未填参考转写时常见。
+
+**处理：**
+
+```bash
+rm /opt/Trading_Studio/speaker_emb.pt
+pm2 restart trading_studio
+```
+
+在 Web UI「音色锁定」：
+
+1. 上传 10–30 秒干净参考人声  
+2. **填写与录音完全一致的「参考音频精确转写」**（必填）  
+3. 重新点击「锁定音色」后再合成  
+
+### 10.6 ChatTTS 音色文件损坏
 
 ```bash
 rm speaker_emb.pt
-# 重新在 Web UI「音色锁定」上传参考人声
+# 重新在 Web UI「音色锁定」上传参考人声并填写转写
 ```
 
-### 10.6 端口 5683 被占用
+### 10.7 端口 5683 被占用
 
 ```bash
 sudo lsof -i :5683
@@ -794,7 +811,7 @@ sudo lsof -i :5683
 ss -tlnp | grep 5683
 ```
 
-### 10.7 手机「找不到麦克风」
+### 10.8 手机「找不到麦克风」
 
 内网 `http://192.168.x.x:5683` 下手机无法使用实时录音，属浏览器 HTTPS 安全限制。  
 完整说明与 NPS 穿透方案见 [0.9 手机「找不到麦克风」](#09-手机找不到麦克风) 与 [PWA_NPS.md](./PWA_NPS.md) 第九节。

README.md

@@ -248,6 +248,9 @@ A: `http://内网IP:5683` 非 HTTPS，浏览器禁用麦克风。请按 [PWA_NPS
 **Q: TTS 音色不稳定？**  
 A: 重新锁定音色，填写参考音频精确转写，并保持 `temperature=0.3` 低随机性。
 
+**Q: 合成报 `Corrupt input data`？**  
+A: 音色参数格式问题。删除 `speaker_emb.pt`，重新锁定音色并**填写参考音频精确转写**。详见 [DEPLOY.md §10.5](./DEPLOY.md)。
+
 **Q: 合成音频为空或噪声？**  
 A: 检查润色文本长度（过短可能导致异常），确认 `speaker_emb.pt` 存在且有效。
 

app.py

@@ -900,7 +900,7 @@ def build_app() -> gr.Blocks:
                         sources=["upload", "microphone"],
                     )
                     spk_transcript = gr.Textbox(
-                        label="参考音频精确转写（可选，提升还原度）",
+                        label="参考音频精确转写（强烈建议填写，与录音一致，避免合成报错）",
                         placeholder="示例：今天开了三单，第一单手贱提前平了，第二单…",
                         info="请尽量与参考音频内容完全一致，可提升音色还原度",
                         lines=6,

tts_service.py

@@ -266,15 +266,69 @@ def _get_audio_duration_sec(audio: np.ndarray, sample_rate: int) -> float:
     return len(audio) / float(sample_rate)
 
 
-def _encode_spk_emb(chat, tensor_or_str: Any) -> str:
-    """将 Speaker Embedding 编码为 ChatTTS 可用的字符串格式。"""
-    if isinstance(tensor_or_str, str):
-        return tensor_or_str
-
+def _encode_random_spk_emb(chat, tensor: torch.Tensor) -> Optional[str]:
+    """将随机说话人向量编码为 spk_emb 字符串（仅用于 sample_random，非参考音频）。"""
+    speaker = getattr(chat, "speaker", None)
+    if speaker is not None and hasattr(speaker, "_encode"):
+        return speaker._encode(tensor)
     if hasattr(chat, "_encode_spk_emb"):
-        return chat._encode_spk_emb(tensor_or_str)
+        return chat._encode_spk_emb(tensor)
+    return None
 
-    return tensor_or_str
+
+def _is_valid_spk_emb_string(chat, spk_emb: str) -> bool:
+    """spk_emb 与 spk_smp 编码不同；非法字符串会在 lzma 解压时报 Corrupt input data。"""
+    speaker = getattr(chat, "speaker", None)
+    if speaker is None or not hasattr(speaker, "_decode"):
+        return False
+    try:
+        speaker._decode(spk_emb)
+        return True
+    except Exception:
+        return False
+
+
+def _normalize_speaker_for_infer(
+    chat,
+    payload: Dict[str, Any],
+) -> Tuple[Optional[Dict[str, Optional[str]]], Optional[str]]:
+    """
+    规范 ChatTTS 音色参数。
+    参考音频克隆必须用 spk_smp + txt_smp，不能把 sample_audio_speaker 结果传给 spk_emb。
+    """
+    spk_smp = payload.get("spk_smp")
+    txt_smp = (payload.get("txt_smp") or "").strip() or None
+    spk_emb = payload.get("spk_emb")
+    warn: Optional[str] = None
+
+    if spk_smp:
+        if not txt_smp:
+            warn = (
+                "未填写参考音频转写（txt_smp），音色克隆可能不稳定。"
+                "建议在「音色锁定」补充精确转写后重新锁定。"
+            )
+        return {"spk_smp": spk_smp, "txt_smp": txt_smp, "spk_emb": None}, warn
+
+    if isinstance(spk_emb, str) and spk_emb.strip():
+        if _is_valid_spk_emb_string(chat, spk_emb):
+            return {"spk_emb": spk_emb, "spk_smp": None, "txt_smp": None}, None
+        # 旧版误存：把 spk_smp 写进了 spk_emb
+        return {
+            "spk_smp": spk_emb,
+            "txt_smp": txt_smp,
+            "spk_emb": None,
+        }, (
+            "检测到旧版音色文件格式，已自动按 spk_smp 加载。"
+            "建议重新锁定音色并填写参考转写。"
+        )
+
+    if isinstance(spk_emb, torch.Tensor):
+        encoded = _encode_random_spk_emb(chat, spk_emb)
+        if encoded:
+            return {"spk_emb": encoded, "spk_smp": None, "txt_smp": None}, None
+        return None, "旧版音色张量无法编码，请重新锁定音色。"
+
+    return None, "音色数据无效或已损坏，请重新锁定音色。"
 
 
 def save_fixed_speaker(
@@ -313,10 +367,9 @@ def save_fixed_speaker(
             audio = audio[:max_samples]
 
         spk_smp = chat.sample_audio_speaker(audio)
-        spk_emb = _encode_spk_emb(chat, spk_smp)
 
         payload: Dict[str, Any] = {
-            "spk_emb": spk_emb,
+            "version": 2,
             "spk_smp": spk_smp,
             "txt_smp": sample_transcript.strip(),
             "created_at": datetime.now().isoformat(),
@@ -330,7 +383,10 @@ def save_fixed_speaker(
             f"参考时长: {duration:.1f}s"
         )
         if not sample_transcript.strip():
-            msg += "\n提示：填写参考音频精确转写可进一步提升音色还原度。"
+            msg += (
+                "\n⚠️ 未填写参考转写：合成时可能报 Corrupt input data 或音色不稳。"
+                "请填写与录音一致的精确转写后重新锁定。"
+            )
 
         logger.info("Speaker Embedding 保存成功: %s", SPEAKER_EMB_PATH)
         return True, msg
@@ -356,8 +412,11 @@ def _load_speaker_payload() -> Tuple[Optional[Dict[str, Any]], Optional[str]]:
             chat, err = get_chattts_instance()
             if chat is None:
                 return None, err
+            encoded = _encode_random_spk_emb(chat, payload)
+            if not encoded:
+                return None, "旧版音色张量无法读取，请重新锁定音色。"
             return {
-                "spk_emb": _encode_spk_emb(chat, payload),
+                "spk_emb": encoded,
                 "spk_smp": None,
                 "txt_smp": "",
             }, None
@@ -531,15 +590,17 @@ def generate_voice(refined_text: str) -> Tuple[bool, str, Optional[str]]:
         if not chunks:
             return False, "无法切分朗读文本，请检查润色稿内容。", None
 
-        spk_emb = payload.get("spk_emb")
-        spk_smp = payload.get("spk_smp")
-        txt_smp = payload.get("txt_smp", "")
+        speaker_params, speaker_warn = _normalize_speaker_for_infer(chat, payload)
+        if speaker_params is None:
+            return False, speaker_warn or "音色参数无效，请重新锁定音色。", None
+        if speaker_warn:
+            logger.warning(speaker_warn)
 
         params_infer_code = ChatTTS.Chat.InferCodeParams(
             prompt=TTS_SPEED_PROMPT,
-            spk_emb=spk_emb,
-            spk_smp=spk_smp if spk_smp else None,
-            txt_smp=txt_smp if txt_smp else None,
+            spk_emb=speaker_params.get("spk_emb"),
+            spk_smp=speaker_params.get("spk_smp"),
+            txt_smp=speaker_params.get("txt_smp"),
             temperature=TTS_TEMPERATURE,
             top_P=TTS_TOP_P,
             top_K=TTS_TOP_K,
@@ -593,10 +654,24 @@ def generate_voice(refined_text: str) -> Tuple[bool, str, Optional[str]]:
             f"配音合成成功: {output_path}"
             f"（朗读 {len(speak_text)} 字{chunk_note}）"
         )
+        if speaker_warn:
+            msg = f"{speaker_warn}\n{msg}"
         logger.info(msg)
         return True, msg, str(output_path)
 
     except Exception as exc:
-        err = f"语音合成失败: {exc}\n{traceback.format_exc()}"
+        exc_msg = str(exc)
+        if "Corrupt input data" in exc_msg:
+            err = (
+                "语音合成失败: 音色数据损坏或格式不兼容（Corrupt input data）。\n"
+                "处理步骤：\n"
+                "1. 删除旧音色: rm speaker_emb.pt\n"
+                "2. 在「音色锁定」重新上传参考人声\n"
+                "3. 填写与录音一致的「参考音频精确转写」（必填）\n"
+                "4. 重新点击锁定音色后再合成\n"
+                f"技术详情: {exc_msg}"
+            )
+        else:
+            err = f"语音合成失败: {exc}\n{traceback.format_exc()}"
         logger.exception("generate_voice 失败")
         return False, err, None