现在这个报错，本质是 Bert-VITS2 在启动时自动从 HuggingFace 下载日文 DeBERTa 模型，但国内连 huggingface.co 超时。

D:\Code\Github\Bert-VITS2\.venv\Lib\site-packages\huggingface_hub\utils\_validators.py:206: UserWarning: The `local_dir_use_symlinks` argument is deprecated and ignored in `hf_hub_download`. Downloading to a local directory does not use symlinks anymore.
  warnings.warn(
'[WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。' thrown while requesting HEAD https://huggingface.co/ku-nlp/deberta-v2-large-japanese-char-wwm/resolve/main/pytorch_model.bin
| huggingface_hub.utils._http | WARNING | '[WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。' thrown while requesting HEAD https://huggingface.co/ku-nlp/deberta-v2-large-japanese-char-wwm/resolve/main/pytorch_model.bin
Retrying in 1s [Retry 1/5].
| huggingface_hub.utils._http | WARNING | Retrying in 1s [Retry 1/5].
......

解决思路有两个：

1. 让 Python 自动走国内镜像下载（推荐，一劳永逸）
2. 手动从镜像下载好模型，放到本地缓存，以后就不联网了。
   下面是一个可以直接照做的步骤。

---

一句话结论

在 Windows 上先设置一个环境变量 HF_ENDPOINT，让 huggingface_hub 自动从国内镜像站 https://hf-mirror.com 下载模型，然后再跑 webui.py，就不会再卡在 ku-nlp/deberta-v2-large-japanese-char-wwm 这个请求上了。

---

方案一：让 Python 自动用镜像站（推荐）

1. 在当前终端里临时设置环境变量

你现在是用：

C:\Users\TianFeng\.local\bin\uv.exe run D:/Code/Github/Bert-VITS2/.venv/Scripts/python.exe D:\Code\Github\Bert-VITS2\webui.py

可以在同一个 PowerShell / cmd 里先执行：

# PowerShell
$env:HF_ENDPOINT = "https://hf-mirror.com"

然后再运行你的启动命令：

C:\Users\TianFeng\.local\bin\uv.exe run D:/Code/Github/Bert-VITS2/.venv/Scripts/python.exe D:\Code\Github\Bert-VITS2\webui.py

这样所有 huggingface_hub 的请求都会自动走镜像站，不会再连 huggingface.co。

---

2. 想一劳永逸：写入系统环境变量（永久生效）

如果你不想每次开终端都敲 $env:HF_ENDPOINT，可以把它永久写进用户环境变量：

1. Win + R → 输入 SystemPropertiesAdvanced → 回车。
2. 点击“环境变量”。
3. 在“用户变量”里，点击“新建”：
   • 变量名：HF_ENDPOINT
   • 变量值：https://hf-mirror.com
4. 一路确定，关闭所有窗口。
5. 重新打开一个终端，跑你的 webui.py 命令。
   这样以后所有使用 huggingface_hub / transformers 的项目都会默认走镜像站。

---

方案二：手动从镜像下载模型到本地缓存

如果你这台机器完全不能连外网，也可以在能上网的机器上把模型下好，再拷贝过来。

1. 在有网的机器上用镜像下载

在有网的机器上（比如你自己平时开发的那台）：

# 1. 设置镜像
$env:HF_ENDPOINT = "https://hf-mirror.com"
# 2. 安装 huggingface_hub（如果没有）
pip install -U huggingface_hub
# 3. 下载指定模型到当前目录
huggingface-cli download --resume-download ku-nlp/deberta-v2-large-japanese-char-wwm --local-dir deberta-v2-large-japanese-char-wwm

这会在当前目录生成一个 deberta-v2-large-japanese-char-wwm 文件夹，里面就是所有模型文件。

---

2. 把模型放到离线机器的 HuggingFace 缓存目录

huggingface_hub 默认缓存路径是：

• 类 Unix：~/.cache/huggingface/hub
• Windows：C:\Users\<你的用户名>\.cache\huggingface\hub
  假设你在离线机器上的缓存目录是：

C:\Users\TianFeng\.cache\huggingface\hub

你需要把刚才下载的模型文件夹拷贝成这个结构：

C:\Users\TianFeng\.cache\huggingface\hub\models--ku-nlp--deberta-v2-large-japanese-char-wwm\...

更具体的结构大致是：

C:\Users\TianFeng\.cache\huggingface\hub\
└── models--ku-nlp--deberta-v2-large-japanese-char-wwm\
    ├── blobs\
    ├── refs\
    └── snapshots\
        └── <某个提交哈希>\
            └── pytorch_model.bin

huggingface-cli download 生成的是可直接作为缓存的目录结构，你只要保证：

1. 缓存根目录是 C:\Users\TianFeng\.cache\huggingface\hub；
2. 模型目录名是 models--ku-nlp--deberta-v2-large-japanese-char-wwm。
   这样本地运行时，transformers / huggingface_hub 会直接从缓存加载，不会再发网络请求。

---

小结：推荐做法

最终建议：

1. 先用方案一：设置 HF_ENDPOINT 镜像，直接在当前终端跑：

   $env:HF_ENDPOINT = "https://hf-mirror.com"
   C:\Users\TianFeng\.local\bin\uv.exe run D:/Code/Github/Bert-VITS2/.venv/Scripts/python.exe D:\Code\Github\Bert-VITS2\webui.py
   

2. 如果公司/学校网络策略很严，镜像也连不上，再用 方案二：在能上网的机器上下载模型 → 拷贝到离线机器的缓存目录。