修复Multi-Tacotron-Voice-Cloning的张量类型不匹配RuntimeError

在Google Colab的GPU运行环境中执行命令!python demo_cli.py -p "audio/input/ex.wav" -t "Hello my friends" --no_sound时，抛出以下错误：

RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same

该错误的核心原因是模型权重加载在了CPU上，但输入数据被自动传到了GPU，导致张量设备不匹配。需要修改demo_cli.py中的模型加载逻辑，确保所有模型都部署到GPU上，具体修改点如下：

1. 添加全局设备检测逻辑 #

在导入torch模块后，添加代码检测可用设备，统一管理模型部署目标：

# 放在import torch之后
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

2. 修改编码器（encoder）加载逻辑 #

原代码默认将编码器加载到CPU，需修改为指定GPU设备：
找到这行代码：

encoder.load_model(args.enc_model_fpath)

替换为：

encoder.load_model(args.enc_model_fpath, device=device)

如果encoder/inference.py中的load_model函数没有device参数，需要同步修改该函数，添加设备参数并将模型移至对应设备。

3. 修改合成器（synthesizer）初始化逻辑 #

合成器初始化时需指定GPU设备：
找到这行代码：

synthesizer = Synthesizer(args.syn_model_dir.joinpath("taco_pretrained"), low_mem=args.low_mem)

替换为：

synthesizer = Synthesizer(args.syn_model_dir.joinpath("taco_pretrained"), low_mem=args.low_mem, device=device)

如果Synthesizer类没有device参数，需要修改synthesizer/inference.py的__init__方法，添加设备参数并将内部模型移至对应设备。

4. 修改声码器（vocoder）加载逻辑 #

声码器同样需要加载到GPU：
找到这行代码：

vocoder.load_model(args.voc_model_fpath)

替换为：

vocoder.load_model(args.voc_model_fpath, device=device)

如果vocoder/inference.py中的load_model函数没有device参数，需要同步修改该函数，添加设备参数并将模型移至对应设备。

额外检查 #

如果修改后仍报错，需确认模型推理函数（如encoder.embed_utterance、synthesizer.synthesize_spectrograms、vocoder.infer_waveform）内部是否将输入张量转移到了指定设备，确保输入数据与模型权重的设备一致。

内容的提问来源于stack exchange，提问作者solidsnake777