FrozenZero

作者您好，我发现您的项目中涉及的训练数据、pkl等文件都出现了缺失，可否帮忙提供一下呢？

inference推理效果还行，generate后再用inference生成的人声效果就较差

3

环境： ubuntu1804, Cuda11.8,python 10,torch 2.2.1+cu118 我第一步使用 `python tools/vqgan/inference.py \ -i "sp1.wav" \ --checkpoint-path "checkpoints/vqgan-v1.pth"` 生成了fake.npy和fake.wav文件，此时fake.wav跟sp1声音相似度高。 但我第二步用如下语句生成code_0,npy后， `python tools/llama/generate.py \ --text "要转换的文本" \ --prompt-text "sp1.wav的text" \ --prompt-tokens "fake.npy" \ --checkpoint-path "checkpoints/text2semantic-400m-v0.2-4k.pth"...