建议

[lucasjinreal]

生成的phnoeme text 并没有包含说话人，情绪和原始内容，然后直接推理的时候又会切片最后index error。 要么就写一个脚本直接从txt 生成audio，要么分两步就全部生成，不要前后逻辑对不上。

[wang-b22]

我猜是前端预测模块部分没有放出来，给出的text中有sp2的标注但是转phnoeme不存在，他们给了折中的

[lucasjinreal]

和预测无关，txt里面应该至少hardcodeed几个说话人和情绪，不然使用者比较迷茫，readme也没有相关说明。

[syq163]

Apologies for any confusion caused. We will proceed by adding additional documentation and potentially making modifications to the code.

[shirubei]

感觉用情感分析自动判断一下也是可以的。