# TTS Performans Raporu (Chatterbox Multilingual)

Tarih: 2026-10-03. Donanim: RTX 4090 24 GB, Ryzen 9 5950X, Windows, Python 3.11, torch 2.6.0+cu124.
Rapor calisma sirasinda guncellenir; en altta sonuc ve oneriler var.

## 1. Taban olcum (degisiklik yok)

Olcum: calisan sunucuya HTTP istegi, `voice=alloy`, WAV. RTF = uretim suresi / ses suresi (1 altinda iyi).

| Metin | Ses | Sure | RTF |
|---|---|---|---|
| kisa (1 cumle, 3 sn) | 3,0 sn | 5,2 sn | 1,73 |
| orta (5 sn) | 5,0 sn | 7,9 sn | 1,57 |
| uzun (4 cumle, 9,8 sn) | 9,8 sn | 14,7 sn | 1,49 |

Yorum: gercek zamandan yavas. Sesli sohbette cumle basina 5-15 sn bekleme demek.

## 2. Bulgular (olcum ve kod incelemesi)

1. **VRAM yarisi.** Ollama `muse-glimmer:30b` modeli 15,5 GB tutuyor. Chatterbox yaklasik 6,3 GB kullaniyor. Ikisi birlikte 24 GB'in %97'sini dolduruyor; kalan pay yok. Ollama modeli bosaltinca (keep-alive suresi dolunca) VRAM rahatliyor.
2. **Darbogaz T3 (otoregresif) dongusu.** 9,8 sn ses yaklasik 245 token; token hizi yaklasik 18 adim/sn, yani adim basina yaklasik 55 ms. Toplam surenin yaklasik %90'i bu dongude. Vokoder (S3Gen) kucuk pay.
3. **Dongu CPU'ya bagli.** Her adimda: `output_attentions=True` ve `output_hidden_states=True` (HF'nin hizli dikkat yolunu kapatir), CFG icin her zaman batch=2, adim basina `.item()` ile GPU-CPU senkronu, Python tarafinda logit isleme. GPU %5-30 kullanimda kaliyor, yani GPU bekliyor.
4. **Chatterbox-Turbo kullanilamaz:** 350M ve hizli ama yalnizca Ingilizce.
5. Bilinen cozum: statik KV onbellegi + CUDA graph (adim basina baslatma yukunu siler). Windows'ta baslatma yuku Linux'tan yuksek oldugu icin kazanc buyuk olmali.

(Devam: ek bolumler asagiya eklenecek.)