openbmb

/

VoxCPM2

like 1.33k

Follow

OpenBMB 3.53k

您好，我将音色设计产生的音频用于声音克隆时，会出现kv_cache持续累积“误差”使得后面的音频出现越来越大的“嗡嗡”的声音。
我不是专业做这个的，但我非常想快速解决这个问题，于是我用了可能有隐患的临时方法。
请问这个“嗡嗡”的声音是什么？是因为合成的声音和真人声音有差异，所以造成音质下降的情形吗？
请问这个的标准解决方法应该是什么？

我的临时解决方法是：
回看 1 步方法（干净特征传递）：

句子1: 原始cache → wav_1 + clean_feat_1 （1次推理）
句子2:
Pass 1: 原始cache → clean_feat_2 （干净特征，音频丢弃）
Pass 2: 原始cache + clean_feat_1 → wav_2 （实际输出）
句子3:
Pass 1: 原始cache → clean_feat_3 （干净特征，音频丢弃）
Pass 2: 原始cache + clean_feat_2 → wav_3 （实际输出）
拼接

这个方法能有效的在“使用合成的声音进行克隆”时，提高音频的品质。