[BUG:WebUI] 上传参考音频输出的音色不匹配并且全是杂音，前摇也很长

[nulinuli]

确认清单

• [X] 我已经阅读过 README.md 和 dependencies.md 文件
• [X] 我已经确认之前没有 issue 或 discussion 涉及此 BUG
• [X] 我已经确认问题发生在最新代码或稳定版本中

Forge Commit 或者 Tag

e071063

Python 版本

3.10

PyTorch 版本

2.3.1+cu118

操作系统信息

ubuntu22.04

浏览器信息

谷歌

BUG 描述

如标题所示，音频文件格式是wav

复现步骤

上传音频文件

期望结果

获取正确结果

实际结果

这是音频文件 audio.zip

错误信息

No response

[zhzLuke96]

没有你的输入音频，没能稳定复现出来，如果没有报错的话，估计还是模型的'特性"或者说能力不够。 建议参考文本尽量不要有特殊token，然后重试的时候可以试试调整采样配置，设置随机的推理种子

可以提供输入音频吗，如果不方便提供输入音频的话，可以提供一些音频文件信息方便排查 比如 音频采样率 音频编码格式 之类的

[nulinuli]

没有你的输入音频，没能稳定复现出来，如果没有报错的话，估计还是模型的'特性"或者说能力不够。 建议参考文本尽量不要有特殊token，然后重试的时候可以试试调整采样配置，设置随机的推理种子

可以提供输入音频吗，如果不方便提供输入音频的话，可以提供一些音频文件信息方便排查 比如 音频采样率 音频编码格式 之类的

参考音频.zip 你好这是参考音频

[zhzLuke96]

fixed 8bd11c82ecff18503644baffbea3f65a4fa79096