关于训练步数

[hello-xiaow]

感谢作者推出的针对中文的vits代码，我使用标贝女生数据集加一个目标人数据训练模型，目标人大概30分钟，以32的批次跑了480k步，不论是标贝女生还是自定义的目标人，效果很一般，感觉不太自然，而且有些发音不太准确。 请问作者的训练细节是什么呢，比如使用批次大小多少，在训练到多少步，合成效果比较好呢？