Clone 和 Design 中的音频质量¶

音频质量（Audio quality）控件适用于下一次生成的片段。现有文件保持不变。默认设置仍为 16 位 WAV、16 个采样步骤和广播级母带处理；模型特定限制仍然适用。

紧凑的滑块位于 Clone 和 Design 的脚本下方。更多选项（More options） 会显示语音细化（采样步骤）、音量平衡和格式指导。三个通俗易懂的选项是 Standard（标准）、For editing（用于编辑） 和 Original（原始）；折叠的详细信息解释了 WAV 格式。大小估算使用活动引擎输出元数据中的十进制 MB/分钟。对于未知的模型格式，UI 会在生成后显示实际大小，而不是进行猜测。语音控件（Voice controls） 提供速度、时长和清理功能；技术性模型控件折叠在 高级模型调优（Advanced model tuning） 下，并带有通俗易懂的名称和指导。

两个弹出窗口的标题栏都有一个 重置为默认值（Reset to defaults） 图标。音频质量重置会恢复 WAV 精度、采样步骤和母带处理；语音控件重置会恢复速度、时长、清理和高级模型调优。每次重置都会保留另一面板的设置、脚本、语言和所选语音。生成运行期间，音频质量重置会被禁用。现有音频文件永远不会被修改。

从标准到最高导出精度¶

这些是无压缩的 WAV 文件。大小随时长、采样率和声道数变化；48 kHz 将使这些估算值翻倍。完成的片段会显示其实际大小、采样率、声道数和采样格式。导出精度无法添加引擎已丢弃的信息，也无法凭自身改善语音特征。WAV 滑块不会改变模型权重、量化或采样率。

语音细化（Voice refinement） 单独控制模型计算。步骤越多耗时越长，但不会增大 WAV 大小，也不保证语音效果更好。该滑块仅出现在转发此设置的适配器中：

均衡音量（Even out volume） 会添加应用的处理链：先经过温和的母带前置阶段，然后是缓慢的电平器（将安静和响亮的段落拉近），轻量 EQ，以及只处理高于 -1 dBFS 的样本的前瞻峰值限制器。电平器跟随整个短语而非音节，因此峰值保持其形状，停顿和房间尾音不会被提升到语音电平。关闭它会跳过应用添加的 EQ、电平调整和归一化；引擎后处理和现有的来源水印设置仍然有效。执行自身母带处理的引擎仍会跳过应用的母带前置阶段。

最终播放响应使用保存的 WAV 本身。流式预览仍使用 PCM16；其完成的片段使用所选精度。仅提供 PCM16 的引擎无法通过更大的导出恢复额外细节。OmniVoice 和 VoxCPM2 子进程协商 float32 传输；旧版 PCM16 响应仍受支持，无需重新安装引擎。支持浮点的响应具有 128 MiB 的帧配额上限，保留了旧版 PCM16 的时长限制；其他引擎和请求保持其 64 MiB 限制。保留策略会保护正在生成的片段，即使已加星标的历史记录已经占满配额。取消或失败的保存/读取操作会在写入完成后删除未发布的 WAV。

可选信号检查¶

在完成的片段下方使用 检查音频（Check audio） 可在本地扫描长时间静音、相对音量变化、削波、空音频或无效样本。点击警告可跳转到其时间戳；关闭报告即可将其消除。扫描限制为两小时和 100 条警告，并在达到限制时报告。它从不修改音频。警告是建议性的信号检查，不是语音相似度或自然度评分。

验证与可重复对比¶

PR #2406 在配备 RTX 4090 的 Windows 上对真实安装的引擎进行了实测：

每种条件都以全部三种精度导出，包括广播处理和原始处理。第一轮扫描生成了 114 个有效的 WAV，样本有限且没有信号警告。离线 Whisper large-v3 在 19 个原始浮点条件中的每一个都恢复了全部 13 个单词。这项简短的单文本检查确立了这些试验的可懂度，而非跨语音或语言的感知排名。

扫描暴露了显式 OmniVoice 和 VoxCPM2 sidecar 中的种子传播缺口。这些 sidecar 现在会接收逐块种子，修复后进行了新一轮扫描。在种子化的 VoxCPM2 克隆试验中，16/32/64 步分别耗时约 9.7/14.1/27.2 秒；增加采样工作量具有可测量的时间成本。

无模型回归测试涵盖导出精度、最终播放/保存字节一致性、流式最终样本、立体声/采样率保持、浮点 sidecar 往返、旧版帧、种子转发、警告边界、路径限制、键盘滑块和区域设置一致性。精度测试在原始 PR 实现中失败，该实现会忽略请求的位数而写入 PCM16。相同的实现用于 macOS、Windows 和 Linux；本文不声称在 macOS/Linux 上以及此 Windows 安装中缺失的引擎上进行了真实合成测试。

若要使用另一个已安装的引擎或参考样本，请运行仓库的 Python 解释器：

python scripts/compare_generation_quality.py \
  --engines omnivoice omnivoice-subprocess voxcpm2 kittentts \
  --output /path/to/new-comparison-directory \
  --ref-audio /path/to/reference.wav --ref-text "Reference transcript"

该脚本离线运行，使用已安装的模型，并在启用且可用时，将 WAV 送入 provenance marking 流程，写入 results.json，并且拒绝覆盖输出目录。如果仅需 TTS，可省略参考参数；可使用 --text、--steps 和 --seed 来变换实验。请将私人录音和生成的语音对比文件保留在 Git 之外。原始 音频调查 仍作为历史证据保留；此项工作并未为历史上的混响报告确定成因。

生成的 WAV 读取使用共享的 TorchCodec 回退机制，包括配音组装、缓存片段、水印检测、长文本与角色预览。Voice Clone 会拦截明确报告不支持克隆的模型，并说明如何选择有相应能力的模型；普通文本转语音功能仍然可用。