流式输出声音有杂音[ISSUE]

[huai-ying]

阅读 README.md 和 dependencies.md

• 我已经阅读过 README.md 和 dependencies.md 文件

检索 issue 和 discussion

• 我已经确认之前没有 issue 或 discussion 涉及此 BUG

检查 Forge 版本

• 我已经确认问题发生在最新代码或稳定版本中

请确认是否与 API 无关？

• 我已经确认问题与 API 无关

请确认是否与 WebUI 无关？

• 我已经确认问题与 WebUI 无关

请确认是否与 Fintune 无关？

• 我已经确认问题与 Fintune 无关

你的issues

流式输出声音有杂音

[zhzLuke96]

这个问题，官方库正在排查 2noise/ChatTTS#521

[zhzLuke96]

大pr #102 里面重构了流式生成，应该可以解决一部分杂音问题
这个 issue 标记已修复，如果还有问题可以继续提供详细信息

[wenyangchou]

大pr #102 里面重构了流式生成，应该可以解决一部分杂音问题 这个 issue 标记已修复，如果还有问题可以继续提供详细信息

这个原因是啥，修复逻辑是什么？我这边基于之前的版本集成了vllm，并且支持了流式；但是复用的之前的chunk切割逻辑，所以这块逻辑是有啥问题？

[zhzLuke96]

大pr #102 里面重构了流式生成，应该可以解决一部分杂音问题 这个 issue 标记已修复，如果还有问题可以继续提供详细信息

这个原因是啥，修复逻辑是什么？我这边基于之前的版本集成了vllm，并且支持了流式；但是复用的之前的chunk切割逻辑，所以这块逻辑是有啥问题？

不是 chunker 的问题，当时定位的问题有两个

• vocos 模型解码短序列容易出错
• 音频编码器代码有bug

vocos 这个模型对于短序列解码有问题，可能是模型没训练过短序列也可能是架构就不支持短序列
所以解决方法也很简单，当时 增加了一个参数 stream_chunk_size 默认值从 24 增大设置为 96，之后官方仓库也增加了类似参数 stream_batch
（官方还增加了 pass_first_n_batches 好像也是解决流式质量差的问题的）

[wenyangchou]

感觉不全是这个问题。序列无论怎么切割还是会有碎片问题；在非流场景，短文本也没怎么遇到过噪音问题