大概讲讲上述对话出现的背景吧。

起因是我想寻找一个比较不错的TTS工具用来朗读本地的文档。起初发现海螺语音，也就是minimax非常不错，它排在闭源ttx大模型第一。但我在使用时发现了信息审查：一篇非常简单的文章就是不给读。所以还是研究一下其他的方案，查询得知CosyVoice 非常有名，于是尝试下载使用。

根据我对大语言模型的浅显认知，如果要方便的使用大模型，应该需要某种前端来承载。所以我先和AI讨论寻找比较不错的前端来承载大模型。

AI首先推荐我尝试xtts，这是一个主要为 win 环境开发的工具，但似乎在mac上也可以通过“稍加修改”来正常使用。记住这个“稍加修改”，这个步骤花了2个小时，最终以失败告终。

起初，AI并未意识到兼容问题的严重性，只是发现有一个python库总是报错，于是不断尝试自行安装、不安装、不加载、假装有一个文件是下载好的。总之是先把自检过了再说。

深入发现，上述办法都无法避开那个专为 win 环境 的 Nvinda cuda 核心设计的组件，这个组件深入了 xtts 的许多文件中。改掉一个还有另一个。后面AI的建议是：把这个组件删掉，咱就当没这功能。但还是频繁报错。另外，python库的安装也是一堆坑，Gemini 不断尝试各种安装方式来规避错误，这也花了我一两个小时。