多次请求，生成结果不一样

[selfnat]

为什么参数都一样，多次请求结果不一样，有的是发音不一样，有的是返回错误的结果，是有什么隐藏参数可以控制吗

[selfnat]

在web端看到有“是否直接对上次合成结果调整语速和音色。防止随机性。” 这个描述， api没有看到相关控制，是这个控制的吗

[AkagawaTsurunaki]

模型的生成结果受多种因素影响，貌似从理论上很难保证两次生成的结果完全的一样。因为对一段文字的拼音解释的模型，其拼音结果也具有一定的随机性。

[selfnat]

我使用的是英文场景，按理说是标准的英语，我说的发音不同指的是错误读音一个单词读另一个单词的发音

[selfnat]

是否可以理解为底层标注的数据有可能出错，或者关联的时候出错了

[Polaris231]

VITS架构的生成过程是有几个randn操作的，可以看看models.py文件

[XXXXRT666]

GPT

[AkagawaTsurunaki]

是否可以理解为底层标注的数据有可能出错，或者关联的时候出错了

这两个原因是有可能的。 正如@Polaris231所提到的，VITS模型中使用了随机数，那么更难以确保每次的结果一致。

值得注意的是，即便同一个模型，由于硬件设备的差异（例如使用不同的浮点精度），还是会导致生成结果不同。

针对读音出错的问题，我的解决方案是： 首先，多次生成音频，然后你可以有以下几种选择：

1. 人工筛选出最好的那个，少量音频的时候还好，量大了就很费时间了；
2. 使用ASR模型对结果进行转录，用程序选出与你的结果相匹配的那个，但是有可能语气不符合语气；
3. 再额外训练一个模型，专门鉴别目标音频与目标文本的差异，但再训练出一个模型难度较大。

[XXXXRT666]

指望VITS的随机性还不如去看看GPT的采样参数