长文本生成语音会出现错误，语音后半部分的语序会错乱，会突然跳过几句，然后在最后的时候读出来，短文本生成的时候就没事。

[echotxl]

文本生成：“今日是二零二五年三月十九日，国内外热点事件聚焦于国际局势、经济政策及社会民生领域：国际局势中，某国领导人围绕地区冲突停火问题展开对话，双方同意停止攻击对方能源设施并推动谈判，但对全面停火提议的落实仍存分歧。某地区持续军事行动导致数百人伤亡，引发民众抗议，质疑冲突背后的政治动机。另有一方宣称对连续袭击军事目标负责，称此为对前期打击的回应。欧洲某国通过争议性财政草案，计划放宽债务限制以支持国防与环保项目，引发经济政策讨论。国内动态方面，新修订的市场竞争管理条例将于四月二十日施行，重点规范市场秩序。多部门联合推出机动车排放治理新规，加强对高污染车辆的监管。社会层面，某地涉及非法集资的大案持续引发关注，受害人数以万计，涉案金额高达数百亿元，暴露出特定领域投资风险。经济与科技领域，某科技企业公布年度营收突破三千六百五十九亿元，并上调智能汽车交付目标至三十五万台。另一巨头宣布全面推动人工智能转型，要求各部门绩效与人工智能应用深度绑定，计划年内推出多项相关产品。充电基础设施建设加速，公共充电桩总量已接近四百万个，同比增长超六成。 民生政策方面，多地推出新举措：某地限制顺风车单日接单次数以规范运营，另一地启动职工数字技能培训计划，目标三年内覆盖十万女性从业者。整体来看，今日热点呈现国际博弈复杂化、国内经济科技加速转型、民生政策精准化调整的特点。”

生成的语音后半部分的语序会错乱，会突然跳过几句，然后在最后的时候读出来，并且后面的语速也会加快，好像为了赶时间一样。短文本生成的时候就没事。

[euzenlee]

单次生成音频的最长时间是1分钟，你提到的现象，都是围绕着这个而产生的。

[echotxl]

单次生成音频的最长时间是1分钟，你提到的现象，都是围绕着这个而产生的。

这是认为限制还是模型本身的缺点

[euzenlee]

单次生成音频的最长时间是1分钟，你提到的现象，都是围绕着这个而产生的。

这是认为限制还是模型本身的缺点

长文本的话，自己使用脚本（或等别人的脚本）分割一下就好了。提供的demo程序只是让我们体验，本身并不是一个成熟可用的产品。每次生成1分钟的语音，也够用了。使用中的主要问题还是克隆声音时生成语音还不够稳定，也可能是使用的克隆音源有瑕疵。会生成空白或只有一半的语音。

[echotxl]

单次生成音频的最长时间是1分钟，你提到的现象，都是围绕着这个而产生的。

这是认为限制还是模型本身的缺点

长文本的话，自己使用脚本（或等别人的脚本）分割一下就好了。提供的demo程序只是让我们体验，本身并不是一个成熟可用的产品。每次生成1分钟的语音，也够用了。使用中的主要问题还是克隆声音时生成语音还不够稳定，也可能是使用的克隆音源有瑕疵。会生成空白或只有一半的语音。

生成200字以内的文字，貌似没遇到空白和一半语音的情况，用的事例的语音克隆的

[lr389032]

对我也遇到了相同问题，最好办法只能控制输入文本字数来控制最佳的时间大概是35s左右，然后自己再写脚本去合并，为了效果更好只能用专业音频软件adobe去进行一些处理了