ZeroGPU 声明时长固定为 60s（预占 90s），按实测 0.19s/s 更新文档

README.md

@@ -88,7 +88,8 @@ voices:
 | 字段 | 默认 | 说明 |
 | --- | --- | --- |
 | `output_sr` | 44100 | 输出采样率（三个分离模型都是 44100） |
-| `max_gpu_seconds` | 180 | 单次请求声明的 ZeroGPU 时长上限。报 `ZeroGPU illegal duration` 就调小（如 120），PRO 号长歌可调大到 300 |
+| `gpu_declared_seconds` | 60 | 固定声明给 `@spaces.GPU` 的秒数，实际预占 = 该值 × `gpu_duration_factor`（= 90s）。它同时是运行时限，长音频要往上调 |
+| `gpu_duration_factor` | 1.5 | ZeroGPU 硬件系数（`spaces/zero/configs.json`），换硬件时会变 |
 | `mix_peak` | 0.97 | 合并轨峰值归一化目标 |
 | `pitch_algo` | rmvpe+ | 音高提取算法，`rmvpe+` 质量最好 |
 | `model_cache_dir` | `/tmp/pymss_models` | 分离模型 + 音色下载缓存（临时盘） |
@@ -100,9 +101,10 @@ voices:
 - **`infer_rvc_python` 是 vendored 的，不在 `requirements.txt` 里**：它死锁 `torchcrepe==0.0.20` → `librosa==0.9.1`，而 `pymss` 要求 `librosa>=0.10.2`，两者不相容、pip 无解。所以整个包放在 `vendor/infer_rvc_python/`，由 `app.py` 用 `sys.path` 引入，它的运行期依赖在 `requirements.txt` 里显式列出。**别把 `vendor/` 加进 `.gitignore`，也别再往 `requirements.txt` 里写 `infer_rvc_python`**。
 - **构建阶段要现编译 pyworld**：Linux 上 pyworld 官方没有 wheel（只有 Windows wheel + sdist），只能从源码编译（需要 gcc / Cython），所以首次构建会稍慢，这一步报错就是编译环境问题。
 - **冷启动会下载约 3.3 GB 模型**：容器临时盘每次重启都会被清空，Space 睡醒后会重新下载，第一次访问会慢几分钟。介意的话可以在 Space 设置里加购 persistent storage，或把 `vocal_split` 换成体积更小的模型。
-- **ZeroGPU 是「先预占配额，再看实际耗时」**：`@spaces.GPU` 的 `duration` 在调用前就按声明值预占当天额度，**剩余额度 < 声明值会直接被拒**（`quota exceeded`），与实际跑多久无关。
-- **硬件系数 1.5**：SDK 把声明值乘上硬件系数再交给调度器（`spaces/zero/configs.json` 里 RTX PRO 6000 Blackwell = 1.5，H200 = 1.0）。这个系数同时也是函数真正可用的运行时间。`app.py` 已按 `gpu_duration_factor` 换算，所以 `max_gpu_seconds` 就是最终出现在 `requested vs. left` 里的数字 —— 别被这个 1.5 倍绕晕。
-- **额度差距很大**：免费号每天 **300s**，PRO 号每天 **2400s**。本项目一首三分钟的歌大约预占 180s，所以**免费号基本只能跑一首，想正常用必须上 PRO**。想省额度就先拿 30~60s 的短片段跑通流程。
+- **ZeroGPU 的额度按「实际耗时」扣，不是按声明值扣**。实测：204.1s 音频实际耗时约 38~40s，配额计量显示 `0.7/5 min`（≈42s）；多次测量基本与音频长度成固定比例，约 **0.19 秒 GPU 时间 / 秒音频**，跟音频是无损还是低品质无关（解码开销相比模型推理可忽略）。
+- **但调度门槛按「声明值」预检查**：`剩余配额 < 声明值 × 硬件系数` 会直接被拒（`quota exceeded`），与实际跑多久无关。所以声明值固定在 60（→ 预占 90s）最省事。
+- **硬件系数 1.5**：SDK 把声明值乘上硬件系数再交给调度器（`spaces/zero/configs.json` 里 RTX PRO 6000 Blackwell = 1.5，H200 = 1.0）；这个系数同时也是函数真正可用的运行时间 —— 声明 60 意味着约 90s 跑道。
+- **声明值同时是运行时限，别为省额度调太小**：一旦实际跑超，ZeroGPU 会 abort 任务（`GPU task aborted`），配额照样扣、结果也拿不到。60（90s 跑道）按实测速度够跑约 7 分钟以内的音频；更长的歌按 `0.19s / 秒音频` 往上调 `gpu_declared_seconds`。
 - **首次调用偏慢**：RVC 音色模型是在第一次请求时才真正加载进显存的（`infer_rvc_python` 的惰性加载），之后会复用。
 - **并发**：页面请求会串行执行（内部有锁），避免多个任务互抢显存和中间文件。
 - 仅供学习与研究使用，请勿用于侵权或未授权的声音克隆。

app.py

@@ -55,11 +55,9 @@ RT_CFG = CFG.get("runtime") or {}
 VOICES_CFG = [v for v in (CFG.get("voices") or []) if v.get("repo_id")]
 
 OUT_SR = int(RT_CFG.get("output_sr", 44100))
-MAX_GPU_SECONDS = int(RT_CFG.get("max_gpu_seconds", 180))
+GPU_DECLARED_SECONDS = int(RT_CFG.get("gpu_declared_seconds", 60))
 # ZeroGPU 的 SDK 会把声明值乘上硬件系数再交给调度器（spaces/zero/configs.json 里
 # RTX PRO 6000 Blackwell 是 1.5），这个系数同时也是函数真正能跑的时间。
-# 所以配置里的秒数按「函数可用运行时间」理解，对外声明时除以系数，
-# 免得报错里的 requested 数字和配置对不上。
 GPU_DURATION_FACTOR = float(RT_CFG.get("gpu_duration_factor", 1.5))
 MIX_PEAK = float(RT_CFG.get("mix_peak", 0.97))
 PITCH_ALGO = str(RT_CFG.get("pitch_algo", "rmvpe+"))
@@ -283,22 +281,10 @@ def _convert_voice(voice_id: str, mono: np.ndarray, sr: int) -> np.ndarray:
 
 
 # --------------------------------------------------------------------------------------
-# 动态 GPU 时长估计（@spaces.GPU 的 duration 必须是"与主函数同签名"的可调用对象）
+# ZeroGPU 时长
+# 实测：204s 音频 → 实际 38~40s（约 0.19 s/s），且配额按**实际耗时**扣，
+# 但调度门槛按**声明值**预检查 —— 所以声明值固定为一个小常数最省事。
 # --------------------------------------------------------------------------------------
-def estimate_duration(audio_path, voice_id, pitch, index_rate, protect,
-                      filter_radius, rms_mix_rate, remove_harmony, process_harmony):
-    """返回要**声明**给 @spaces.GPU 的秒数（SDK 会再乘 GPU_DURATION_FACTOR 交给调度器）。"""
-    seconds = 0.0
-    try:
-        seconds = float(librosa.get_duration(path=audio_path))
-    except Exception:  # noqa: BLE001
-        pass
-    # 三段分离 + 1~2 次 RVC 的经验系数：每 1 秒音频约 0.8 秒 GPU 时间，另加固定开销
-    needed = 45.0 + seconds * 0.8
-    needed = max(60.0, min(float(MAX_GPU_SECONDS), needed))
-    return max(1, int(needed / GPU_DURATION_FACTOR))
-
-
 def reserved_seconds(declared: int) -> int:
     """声明值换算成调度器实际预占的秒数 —— 就是报错里 "requested" 那个数。"""
     return int(declared * GPU_DURATION_FACTOR)
@@ -307,7 +293,7 @@ def reserved_seconds(declared: int) -> int:
 # --------------------------------------------------------------------------------------
 # 主流程
 # --------------------------------------------------------------------------------------
-@spaces.GPU(duration=estimate_duration)
+@spaces.GPU(duration=GPU_DECLARED_SECONDS)
 def generate(audio_path, voice_id, pitch, index_rate, protect, filter_radius,
              rms_mix_rate, remove_harmony, process_harmony):
     missing = [k for k in ("vocal_split", "karaoke_split", "dereverb_split") if k not in SEPARATORS]
@@ -400,12 +386,9 @@ def generate(audio_path, voice_id, pitch, index_rate, protect, filter_radius,
                 f"音色：{voice_label}（变调 {int(pitch):+d} 半音）",
                 f"时长：{total / OUT_SR:.1f}s 音频，耗时 {elapsed:.1f}s",
             ]
-            _declared = estimate_duration(
-                audio_path, voice_id, pitch, index_rate, protect,
-                filter_radius, rms_mix_rate, remove_harmony, process_harmony,
-            )
             notes.append(
-                f"ZeroGPU：声明 {_declared}s → 预占配额 {reserved_seconds(_declared)}s"
+                f"ZeroGPU：声明 {GPU_DECLARED_SECONDS}s → 预占配额 "
+                f"{reserved_seconds(GPU_DECLARED_SECONDS)}s"
             )
             if remove_harmony:
                 notes.append("已勾选「移除和声」：和声不参与流程与合成")

config.yaml

@@ -71,16 +71,18 @@ voices:
 # --------------------------------------------------------------------------
 runtime:
   output_sr: 44100         # 输出采样率（三个分离模型都是 44100）
-  max_gpu_seconds: 180     # 单次请求里「函数最多能跑多少秒 GPU 时间」（= 会被预占的配额）。
-                           # ZeroGPU 不看实际耗时，而是先按声明值预占：剩余配额 < 声明值
-                           # 就直接拒绝（quota exceeded），所以这个值只能用「当天还剩多少」来换。
-                           # 免费号每天总额度仅 300s，这里 180 一次就占掉 180s —— 免费号基本
-                           # 只能跑一首歌；PRO 号每天 2400s 才够用。
+  gpu_declared_seconds: 60 # 固定声明给 @spaces.GPU 的秒数。
+                           # 实测：204s 音频实际只跑 38~40s（无损/低品质一样），
+                           # 约 0.19 秒 GPU 时间 / 秒音频。
+                           # 两条规则要一起看：
+                           #   1) 门槛按声明值预检查 —— 剩余配额 < 声明值×系数 就直接拒绝，
+                           #      所以声明值固定小一点，更容易过门（60 → 预占 90s）。
+                           #   2) 声明值同时是运行时限（声明 N → 约 N×系数 秒跑道）。
+                           # 60 对应 90s 跑道，按实测速度够跑约 7 分钟以内的音频；
+                           # 如果以后要处理更长的歌，把它按 0.19s/s 往上调。
   gpu_duration_factor: 1.5 # ZeroGPU 的硬件系数，来自 spaces/zero/configs.json：
                            #   RTX PRO 6000 Blackwell = 1.5 / H200 = 1.0
                            # 我们声明 N 秒，调度器按 N×1.5 申请，函数也真能跑 N×1.5 秒。
-                           # app.py 已按此系数换算，所以上面的 max_gpu_seconds 就是
-                           # 最终会出现在「requested vs. left」里的那个数字。
   mix_peak: 0.97           # 合并轨峰值归一化目标，防削波
   pitch_algo: rmvpe+       # 音高提取算法：rmvpe+ / rmvpe / crepe / pm / harvest
   model_cache_dir: /tmp/pymss_models   # 分离模型下载缓存目录（容器临时盘）