VoxCPM2采样率设置:用模型原生采样率写WAV,修复时长与音高同时出错 素材身份:作者原创输入/可编辑参考。目标工具未在本轮执行。 先打开 index.html;input.csv 是原始字段,reference.csv 是验收基准,negative.csv 是故意构造的坏样例。 actual-results.csv 保留未测状态,实际执行后再填写。 前置条件: 准备自己有权使用的合成练习资料,不上传他人的录音或私密内容。 按官方文档核对当前平台、版本与套餐;本轮目标产品操作未执行,练习文件可离线查看。 练习包提供口述脚本、规则与验收数据,不附目标工具生成录音。按录音说明自行录制有权使用的输入,并在运行后保存实际音频。 操作步骤: 1. 读取两份WAV头 用音频信息工具查看练习文件的采样率、帧数和时长。两份帧数相同而时长不同,先定位容器解释而不是重新合成。 2. 核对当前模型README 以当前VoxCPM2官方示例为准读取tts_model.sample_rate。参考输入可用16k与模型输出48k是不同环节,旧示例的固定数字不能跨版本照搬。 3. 在写盘处取实际采样率 把生成的PCM与模型实际sample_rate一同传给sf.write。保存运行版本和该值,别在多个模块分别硬编码不同常量。 4. 算术检查音频长度 计算57600除48000应为1.2秒,误除16000会变成3.6秒。对真实输出同样从样本数计算,并与播放器信息交叉检查。 5. 区分改头与重采样 若PCM本来是48k而只写错头,应重写正确头;需要16k交付时才使用真正的重采样。直接改数字不改变样本,不能当作有效格式转换。 6. 回听速度与音高 播放正反文件,核对时长和音高是否同时变化。实际语音另检查词尾、句长与是否因为解码错误而出现音调异常。 7. 交付可验证WAV清单 记录帧数、采样率、时长、校验值和模型版本。离线正弦样本只证明头信息检查有效,不写成VoxCPM2实测生成。 验收: 正确WAV头为实际模型采样率,时长等于样本数除采样率。 坏头样本播放约3.6秒、音高变低,与真实重采样区分。 不把参考音频16kHz要求误抄为VoxCPM2输出采样率。 官方资料: https://github.com/OpenBMB/VoxCPM 图片身份:assets/ 为内置image_gen生成的原创练习输入缩略版,原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。 本课确定波形无需自行录音;generate-fixtures.py与inspect-wav.py只用Python标准库。三个WAV的PCM身份、实际测量与4次退出码见signal-validation.json,目标模型仍未执行。