cosyvoice生成的音频断句不自然怎么办 断句不自然解决方法

哈喽大家好，这里是AI吧教学日记的朴老师，cosyvoice作为当前效果非常不错的克隆软件，相信大家都已经尝试过了吧，是不是轻松解决了配音难的烦恼，成为了你离不开的生产工具呢？现在朴老师根据在使用cosyvoice生成音频时所遇到的断句不自然的情况进行分析解答，帮助大家生成更加自然的声音。
 

不自然原因：

模型数据不足：没有足够多的数据支撑，标点断句识别不精准，导致断句错乱不自然，该问题多出现在V1.X版本，V2.X版本基本不会显现此类问题。

样音断句不标准：人说话时因为肺活量和需要过脑思考等因素，会出现正常的断句不自然等情况；AI会将这些视为参考音频的特征，克隆的时候会直接将其赋予在生成的音频当中，从而导致生成内容断句不自然。

解决方法：

1、更换最新版软件，最新的2.0以上版本模型数据采样更多，模型也更加成熟，即便是进行长文本生成，也很少出现断句不自然的情况。

2、将参考音频更换为断句[更加自然清晰]的样本音频，或使用剪辑工具[剪映]或[Adobe Audition]，将样音留白的间隔音频进行裁剪，只保留克隆目标的声音，将数据集中起来，确保给到cosyvoice的音频数据全是有用的数据。

3、如果使用的是1.0版本，可将所有标点符号进行统一修改，全部更改成句号，或在需要断句的地方加入句号，1.0版本识别断句以句号为主，全部修改后不仅能极大程度上改善断句不自然的情况，还能解决整体语速过快的问题。

4、将断句错误的句子单独进行生成，生成断句不满意，可以点击[骰子]后重新生成，骰子会将种子随机化，生成不同语气的音频，需要反复抽卡，直到满意为止。

通过这四种方法，在生成时可以有效避免断句不自然的情况，能够更加高效的克隆出音频，若在后续使用中还遇到其他关于cosyvoice的问题，关注AI吧，我们将持续为大家带来教学内容。