gpt sovit的稳定性怎么增强

体验了下 有些句子效果很好 有些又很差 同一次输入的两行相同的文段都能得到两种截然不同的语气和语速 原本是打算拿套路直播上的红绿灯用whisper转为文本 然后找个足交视频搭配音效来着 但是四句里面就有一两句用不了很尴尬，，，总不能一句一句剪切在一起吧

一般来说如果你想得到稳定的情感倾向或者语气倾向，你的训练素材就得专门找相关的材料，比方说愤怒的，高兴的，舒缓的，而且本地部署的小模型上限是挺容易摸到的。所以如果有更高的要求估计也比较难满足