参数说明.md
参数说明.md
Ming 高级参数说明
日常生成通常保持默认值即可。先选择合适的生成模式、清晰的参考录音与准确的参考文字,再考虑调整高级参数。比较效果时固定随机种子,一次只改一项。
网页的「高级参数」中,每项名称旁都有问号:鼠标悬停或键盘聚焦可查看,点击可固定,点击外部或按 Esc 关闭;手机直接点击。点击「参数手册」可阅读完整说明与常见问题;「使用指南」中也有入口。
参数速查
| 界面名称 / 字段 | 默认 | 控制什么 | 是否需要调整 |
|---|---|---|---|
引导强度 cfg |
2 | 对文本、参考声音和演绎条件的引导力度 | 通常不改。更大不保证更像或音质更好;需要比较时以默认值为基准小幅调整。 |
噪声系数 sigma |
0.25 | 采样过程的额外噪声强度,与温度共同作用 | 通常不改。温度为 0 时,这部分噪声为 0;仅调此项不会增加该部分变化。 |
采样温度 temperature |
0 | 额外采样噪声的随机程度 | 通常保留 0。想换读法先换种子;提高温度可能增加变化,也可能降低稳定性。温度 0 时仍有受种子控制的初始噪声。 |
分段目标长度 max_length |
24 | 按标点组织文本时的目标语义长度 | 通常不改。不是秒数,也不是整篇输入上限;完整长分句可超过目标,不会强行截断分句。开启原始文本时不参与分段。 |
解码步数上限 max_decode_steps |
1000 | 每个文本片段最多生成多少个自回归步骤,模型可提前结束 | 通常不改。不是扩散去噪步数或音质档位。读不完时先检查标点和分段,再适度提高;太低可能截断。 |
随机种子 seed |
1895 | 随机数序列 | 比较设置时固定;想试另一种演绎可换数字。跨设备、模型版本不保证完全一致。 |
使用参考说话人特征 use_spk_emb |
克隆模式开启 | 从参考录音额外提取说话人特征,辅助保留音色 | 克隆时建议开启。关闭后,有准确参考文字时仍可能使用参考音的声学提示。与零说话人特征互斥。 |
使用零说话人特征 use_zero_spk_emb |
克隆模式关闭 | 使用全零说话人向量,当前模型此分支也不使用上传参考音的声学提示 | 克隆时保持关闭,仅用于明确的实验对照。不是降噪或零样本克隆开关。内置音色、声音设计和自由指令模式自动处理此特征。 |
保留末尾静音 no_trim_silence |
关闭 | 保留每个生成片段末尾的静音;关闭时裁短较长尾静音,可能缩短拼接停顿 | 通常关闭。需要原始结尾或自行剪辑时开启。不处理开头静音,也不去背景底噪。 |
轻度降噪 audio_postprocess |
关闭 | 合成后清理部分低频与底噪,尽量保持时长和整体音量;可随声音预设保存 | 有底噪时开启并试听;若音色、尾音或齿音受影响,请关闭。与模型采样噪声参数不同。 |
使用原始文本 raw_text |
关闭 | 绕过常规文本清理和自动分段,整段直接送入模型 | 通常关闭。仅测试原始输入行为时开启,先用短文;开启后分段目标长度不生效,长文更易触及解码上限。 |
按问题选择
- 声音不像:优先换清晰、单人、无背景音乐的参考录音,并检查参考文字。克隆模式保持参考说话人特征开启、零说话人特征关闭。
- 想换读法:先换随机种子;需要更多变化时再小幅提高温度并试听。
- 语速、音调、音量或情绪不合适:在对应生成模式中调整,不用解码步数代替语速或音质控制。
- 长段没读完:补好标点、保持原始文本关闭、检查分段,再考虑提高解码上限。
- 句间停顿太长:保持保留末尾静音关闭,并检查标点。
- 有轻微底噪:先检查参考录音,可尝试「轻度降噪」。不能保证消除模型产生的全部杂音,开启后需要试听音色是否受影响。
- 不知道改乱了哪些参数:点击「恢复模型默认参数」。
核对依据
对照固定上游版本 a39b806 的 ming_tts.py 的 MingTTS.synthesize、frontend/text_processing.py、fm/CFM.py、fm/flowloss.py、model.py,以及应用 app/tts_wrapper.py 的模式适配核实。以上针对当前 0.5B 运行实现,不把其他 TTS 模型的同名参数解释套用到 Ming。
网页问号与页面内手册共用 parameter-help.ts;变更参数语义时应同时核对这份文档。独立部署与数据备份见 README。