展开本页目录
开始前准备什么
- 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。
- 读取两份WAV头
- 核对当前模型README
- 在写盘处取实际采样率
- 算术检查音频长度
- 区分改头与重采样
- 回听速度与音高
- 交付可验证WAV清单
1. 读取两份WAV头
本包已附作者stdlib生成的正弦WAV。可先运行python3 generate-fixtures.py复现，再运行python3 inspect-wav.py native-reference.wav；对wrong-header.wav执行同一要求会实际退出1，不能用自行录音替代确定波形。
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。
下载本课材料并开始操作
练习包包含本课的具体输入、可编辑数据、正反样例与七步说明。index.html 可离线查看原件和验收参考，actual-results.csv 用于记录你实际操作后的结果。
怎样确认已经完成
- 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。
常见问题
VoxCPM2生成声音为什么突然变慢变低？
先检查写WAV时是否误用16000。VoxCPM2当前原生输出48k，正确做法是读取模型sample_rate；错误头会同时改变播放速度和音高。
参考录音16k，生成文件也该写16k吗？
不该自动照用。参考输入、模型原生输出与最终交付格式分别记录；若确需16k交付，要对原生输出真正重采样。