关于语气控制的问题

[JuLian1130]

感谢分享！ 但是webui左下角use decoder、prompt1、prompt2、prefix的作用似乎是语气控制，但具体填什么没有说明。还有风格选择似乎也没有效果。

[zhzLuke96]

你说得很对，目前的风格控制还是比较初级，这只是我初步的实验结果。由于 ChatTTS 的原作者似乎还有调整计划，并且尚未发布关于风格控制的详细指南，所以我觉得没有必要详细说明我这些自己测试的结果。现在提供的30多个内置风格已经足够用了（对于API调用而言）。

如果你想进行细致的微调，可以参考以下思路： 简单来说，这类似于 ChatGPT 的系统提示（system prompt）中的上下文学习能力，我们可以通过插入上下文来控制后续生成的结果。

Prompt1 和 Prompt2

Prompt1 和 Prompt2 都是系统提示（system prompt），区别在于插入点不同。之所以需要两个提示，是因为测试发现当前模型对第一个 [Stts] token 非常敏感。

• Prompt1 插入到第一个 [Stts] 之前
• Prompt2 插入到第一个 [Stts] 之后

Prefix

这个主要是用于模型生成的控制能力，类似于官方示例中的 refine prompt。这个 prefix 中只应该包含特殊的非语素 token，如 [laugh_0]、[oral_0]、[speed_0]、[break_0] 等。

因此，styles 中所谓的 _p 就是使用 prompt + prefix，而不带 _p 的则只使用 prefix。

[alex9441]

有趣的是,在使用_p的styles情况下,很多时候第一次生成的结果差强人意,可以多点两次从新生成的效果会好一些.