游客ovl6ffihmaxge
游客ovl6ffihmaxge_个人页
游客ovl6ffihmaxge
文章
0
问答
2
视频
0
个人介绍
暂无个人介绍
擅长的技术
暂无更多信息
2024年09月
-
09.18 16:02:24
回答了问题
2024-09-18 16:02:24
使用 CosyVoice 遇到的一个音频头部问题
赞70 踩0 评论0 -
09.09 11:16:20
提交了问题
2024-09-09 11:16:20
暂无更多信息
-
回答了问题
2024-09-18
使用 CosyVoice 遇到的一个音频头部问题
确定是有噪音的，使用了多种方式： 使用这里的 demo：https://help.aliyun.com/zh/dashscope/developer-reference/cosyvoice-quick-start?spm=a2c4g.11186623.0.0.2bb47ff0fjPiLU使用逻辑，默认将 LLM 生成的增量字段通过全双工的方式传递，由 cosyVoice 判断返回时机，传递第一个音频片段，这种方式返回的音频片段经过使用发现，只有第一个音频片段带有音频头部，可以单独播放，之后的需要用动态添加的方式进行；可以看到的是 demo 中直接 java 调用的音频播放器SourceDataLine是可以按照这个逻辑的；但是在其他端的其他语言（JS，Swift）等，较难处理这种；一楼给的答案已经搜过了，我要是没用过，不会来提问题（强烈踩一楼这种直接把其他 AI 回答给出，然后每天刷赞的行为）使用自己切片，不通过 demo 这种方式，而是将每句话单独合成，这样，仍然含有噪音（使用 cosyvoice，判断是模型问题），每句话都有音频头，这样完成了处理；所以，将音频格式改为 mp3+22050采样频率，发现噪音影响会降到最低；至此问题基本解决 总结： cosyvoice +LLM 通过第一帧含音频头的方式在 web 端比较难处理cosyvoice 返回多短单独音频，在拼接时存在噪音问题赞70 踩0 评论0 -
提交了问题
2024-09-09
使用 CosyVoice 遇到的一个音频头部问题
滑动查看更多
暂无更多信息