CLAUDE.md

IndexTTS Projekt - Claude Erinnerungen

Aktueller Status ✅

• IndexTTS2 Repository erfolgreich geklont
• Abhängigkeiten installiert (ohne DeepSpeed wegen Windows CUDA-Problemen)
• Modelle heruntergeladen (IndexTeam/IndexTTS-2)
• WebUI läuft erfolgreich auf http://localhost:7860
• GPU-Inferenz funktioniert

Projektplan 🎯

Phase 1: Lokales Testen (AKTUELL)

• Setup und erste Tests mit GPU
• Verschiedene Stimmen und Emotionen testen
• Performance und Qualität bewerten
• Verstehen welche Features benötigt werden

Phase 2: Optimierung für HuggingFace Spaces

• CPU-Version optimieren (ohne GPU-Abhängigkeiten)
• Modellgröße reduzieren falls möglich
• Memory-Usage optimieren
• Simplified WebUI für HF Spaces erstellen
• Requirements für CPU-only deployment anpassen

Phase 3: HuggingFace Space Deployment

• Dockerfile/requirements.txt für HF Spaces anpassen
• Space erstellen und deployen
• Testen der CPU-Performance
• Public/Private Space Konfiguration

Phase 4: Automatisierung

• API-Interface entwickeln
• Batch-Processing für Audio-Generierung
• Automatisierte Workflows einrichten
• Integration in bestehende Systeme

Technische Details 📋

Installierte Komponenten

• Python 3.10+
• UV Package Manager
• IndexTTS2 Modelle (2.3GB+ Gesamtgröße)
• WebUI mit Gradio
• Ohne DeepSpeed (Windows CUDA-Probleme)

Wichtige Befehle

# WebUI starten
python -m uv run webui.py

# Mit CPU-only (für HF Spaces später)
python -m uv run webui.py --device cpu

# Abhängigkeiten für HF Spaces (nur WebUI)
python -m uv sync --extra webui

HF Spaces Considerations

• CPU-only deployment wird deutlich langsamer sein
• Modellgröße könnte problematisch werden (2GB+ Limit?)
• Eventuell kleinere Modelle nutzen (IndexTTS-1.5?)
• Memory-Limits beachten

Nächste Schritte 🚀

1. Lokale Tests fortsetzen - verschiedene Inputs ausprobieren
2. Performance-Benchmarks mit GPU vs CPU
3. Modellalternativen evaluieren für HF Spaces
4. Simplified Interface design für automatisierte Nutzung

Notizen 📝

• DeepSpeed funktioniert nicht auf Windows ohne CUDA Toolkit
• WebUI läuft auf localhost:7860 (nicht 0.0.0.0:7860)
• Xet Storage Warnungen sind normal und beeinflussen Funktionalität nicht
• Projekt unterstützt Emotionserkennung und -steuerung
• Mehrsprachig (Chinesisch/Englisch)