MagpieTTS 原始音频填充会在精确多长度的音频中添加一个无用的静音帧

描述错误

MagpieTTSDataset.__getitem__ 和 MagpieTTSLhotseDataset 的原始音频分支将音频加载到 codec_model_samples_per_frame 的一个整数倍，使用以下代码：

audio = torch.nn.functional.pad(
    audio,
    (0, self.codec_model_samples_per_frame - (audio.shape[0] % self.codec_model_samples_per_frame)),
    value=0,
)

当 audio.shape[0] 已经是 codec_model_samples_per_frame 的一个整数倍时，模数为 0，并且填充量变为 codec_model_samples_per_frame 本身，而不是 0 - 会在训练目标音频中添加一个完整的无用静音帧。