[BUG:API] 文本转语音无报错，但非常的慢，超过120S

确认清单

[X] 我已经阅读过 README.md 和 dependencies.md 文件
[X] 我已经确认之前没有 issue 或 discussion 涉及此 BUG
[X] 我已经确认问题发生在最新代码或稳定版本中

Forge Commit 或者 Tag

eceb6e971ea0e86e5b644cea7351e7d29a668b60

Python 版本

3.10

PyTorch 版本

2.3.1

操作系统信息

unbuntu 22.04

BUG 描述

使用webui.py启动使用gradio页面进行文本转语音响应11s左右，同样文本内容使用api调用时，api响应需要等待120秒以上（有时直接超时），此时gradio页面点击、刷新均进入阻塞状态，后台服务器资源足够且正常（64G内存，剩余33G，24G显存，剩余13G）。

BUG 端点

/v1/audio/speech

复现参数

启动参数：python webui.py --server_name 0.0.0.0 --server_port 9721 --language zh-CN --api

Web页面只更改了音色，文本内容如下：黑神话悟空是一款基于西游记的动作冒险游戏，展现出出色的战斗系统和丰富的剧情。游戏的核心战斗方式为劈棍、立棍和戳棍，通过消耗气力进行攻击和防御。[uv_break] 附图：

API请求参数如下： http://8.130.85.242:9721/v1/audio/speech body: { "model": "chattts", "input": "黑神话悟空是一款基于西游记的动作冒险游戏，展现出出色的战斗系统和丰富的剧情。游戏的核心战斗方式为劈棍、立棍和戳棍，通过消耗气力进行攻击和防御。[uv_break]", "voice": "音色有韵味带磁性", "response_format":"wav", "speed":1, "seed":42, "temperature":0.3, "top_k":20, "top_p":0.7, "style": "", "batch_size":4, "spliter_threshold":100, "eos":"", "enhance": true, "denoise": false }

期望结果

api调用和和web操作响应该相差不大

实际结果

超过120S甚至是超时，在api调用时，web页面进入阻塞（刷新或请求均为反应）

错误信息

无报错，从进度条上时间来看处理很快。阻塞也是发生在这个时候，web页面刷新一直等待中。
2024-09-05 19:22:39,138 - modules.Enhancer.ResembleEnhance - INFO - ResembleEnhance model loaded
100%|███████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00,  1.10steps/s]

lenML / Speech-AI-Forge