voxcpm2破音问题

[shuaiyuanxx]

我尝试使用女孩的声音作为prompt，使用基模合成会出现破音/电音的现象，想请教下是什么原因？
这是我的prompt：

胡妮_en.wav

这是我用prompt作为ref audio合成的效果：

基模_common_clone_en_g157_胡妮_en.wav

这是我用prompt作为prompt audio再加prompt text合成的效果：

基模_continuous_clone_en_g157_胡妮_en.wav

这是我用ultimate clone的效果：

基模_ultimate_clone_alt_en_g157_胡妮_en.wav

[a710128]

这种类型的音频应该是模型训练时候见得少，下个版本优化下看看能不能好些

[shuaiyuanxx]

这种类型的音频应该是模型训练时候见得少，下个版本优化下看看能不能好些

感谢回复。还有个疑问想请帮忙解答下：

1、想知道这种问题是llm+cfm训练见的少导致的，还是audiovae见的少导致的？个人理解，audiovae是先训好然后基于其encoder的embedding做llm_cfm部分的训练的，如果audiovae的encoder对女童（高频）信息的编码能力不够，那llm+cfm部分再基于连续语音表征训也无法挽救
2、如果想通过sft等后训练的方式来缓解这种女童破音/电音的问题，推荐从哪个模型入手？是sft合适还是lora合适