零射 TTS 中的低音频器相似性

感谢您的出色工作。 当我尝试使用零样本 TTS 时，我发现 spk_smp 和生成的 audio 之间的语音相似度很低。我的提示音频、提示文本和生成的音频都在 audios.zip 中。这可能是出现这种问题的原因，您有什么建议可以改进吗？谢谢。