合成链路：什么时候需要 encoder？

codec_encoder.fp16.onnx 与 speaker_encoder.fp16.onnx 只有 在引擎需要从原始 WAV 实时提取 speaker / codec 特征时才会被加载。其他链路都属于"冷推理"——输入是文本、指令、内置发音人 ID 或预计算的 JSON。

不需要 encoder 的链路

只动 talker (GGUF)、predictor (GGUF)、decoder (ONNX)。

模型类型	链路	说明
Base (0.6B / 1.7B)	Standard TTS	仅文本，speaker_embedding / ref_codes 为 null。
Base (0.6B / 1.7B)	Clone from JSON	--reference foo.json，特征已缓存。
Custom (0.6B / 1.7B)	Standard TTS	默认音色。
Custom (0.6B / 1.7B)	Custom voice	--speaker Vivian，从 embeddings/ 加载固化向量。
Design (1.7B)	Standard TTS	仅文本。
Design (1.7B)	Voice design	仅 --instruct。

唯一仍需 encoder 的链路

模型类型	链路	原因
Base (0.6B / 1.7B)	Clone from WAV	从 --reference foo.wav 实时提取 codes + speaker embedding。

custom 和 design 模型 完全不支持 clone（loader 直接拒绝 --reference）。

清理建议

如果你只用冷推理链路，可以把任一 models/<name>/ 目录下的 speaker_encoder.fp16.onnx 和 codec_encoder.fp16.onnx 删掉，每个模型省 ~130–140 MB。运行时容忍它们缺失。