展开本页目录
开始前准备什么
- 核对VoxCPM2当前Python streaming入口及设备条件。
- 练习PCM可离线验证拼接；真实模型生成与速度在本轮保持未测。
- 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。
- 建立可听出顺序的离线材料
- 记录单次目标请求
- 在迭代入口开始计时
- 保持原顺序连接PCM
- 核对总长度与块边界
- 分开报告两类延迟
- 交付清单与最终音频
1. 建立可听出顺序的离线材料
先打开作者的四段不同音高PCM样本和块清单，按编号回听。它们只检验拼接器，不能当作VoxCPM生成结果或速度基准。
2. 记录单次目标请求
把目标text、模型版本和设备写到一份请求记录，使用generate_streaming入口。不要把四个独立批次文件当作同一个迭代器的流式输出。
3. 在迭代入口开始计时
调用前记录单调时钟起点，每拿到一块就按到达序号保存样本数和时间。首块出现时单独落账，不等整个列表收齐再补写时间。
4. 保持原顺序连接PCM
官方示例使用收集块后np.concatenate，按迭代顺序连接。若落盘为分块文件，保持数值序号与清单，不按未经补零的文件名字典序重排。
5. 核对总长度与块边界
计算总样本数应等于块样本数之和，再除以实际采样率求时长。回听四个离线音高段，检查重复或漏块；真实语音另听词尾和接点。
6. 分开报告两类延迟
分别列首块延迟、总耗时、音频时长和设备信息。没有真实执行模型时只交计时代码和空白结果表，不引用官方4090数字当本机成绩。
7. 交付清单与最终音频
保存到达日志、各块校验值、最终WAV与参数。重建时按清单核对每块只出现一次，再从头到尾试听。
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
- 拼接后样本数等于所有块样本数之和，块序号按实际到达顺序。
- 首块到达耗时与全部生成耗时分别记录，不用RTF替代首包延迟。
- 最终WAV采样率来自模型实际sample_rate，未造实时性能数据。
常见问题
VoxCPM2流式生成的音频块怎么拼接？
调用前记录单调时钟起点，每收到一块就保存到达序号、样本数与时间，再按原顺序拼 PCM。分别计算首块延迟与整段耗时，检查拼接边界；离线块样例不是在线性能实测。
整段生成很快，是否代表第一声也出来得快？
不代表。首块到达、全部生成结束和音频总时长是不同观测项，需在同一次真实请求中分别计时，不能只报告整段RTF。