PersonaPlex离线评测参数指南temp-audio、topk-audio与greedy模式对比【免费下载链接】personaplexPersonaPlex code.项目地址: https://gitcode.com/GitHub_Trending/pe/personaplexPersonaPlex是 NVIDIA 开源的实时全双工语音对话模型支持通过文本角色提示词和音频语音提示词控制人格。如果你想在本地对它的输出做可复现的离线评测输入一段 wav输出一段等长的回复 wav就绕不开三个核心参数--temp-audio、--topk-audio和--greedy。它们分别控制音频采样的温度、候选词范围以及是否关闭随机采样。本文面向新手用最少的话讲清楚这三个参数的作用、默认值与取舍帮你快速选对配置。先跑通 PersonaPlex 离线评测离线评测入口是 moshi/moshi/offline.py它复用服务端的完整推理链路加载 Mimi 声码器和 Moshi 语言模型 → 注入角色文本提示与音色提示 → 逐帧流式喂入用户音频 → 采样并解码出回复音频。最终生成与输入等时长的output.wav和记录回复文本的output.json。拿到代码后先安装git clone https://gitcode.com/GitHub_Trending/pe/personaplex pip install moshi/.一条最小可用的评测命令助手角色HF_TOKENTOKEN python -m moshi.offline \ --voice-prompt NATF2.pt \ --input-wav input.wav \ --seed 42424242 \ --output-wav output.wav \ --output-text output.json 显存不足时加--cpu-offload需accelerate包做对比实验时务必固定--seed否则结果不可复现。三大参数速查temp-audio vs topk-audio vs greedy三个参数都在 moshi/moshi/offline.py 中定义默认值与 Web 界面保持一致见 useModelParams.ts参数默认值作用对象一句话解释取值建议--temp-audio0.8音频 token 采样温度调高更放飞调低更稳定0.2 ~ 1.2--topk-audio250音频 token 候选范围只从概率最高的 k 个音素候选里抽10 ~ 500--greedy关闭整体采样策略开关式加上后直接取最优解温度与 topk 全部失效布尔开关对应的文本侧还有--temp-text默认 0.7与--topk-text默认 25控制回复措辞的随机性调参思路与音频侧相同本文不展开。temp-audio给发音随机性调温temp-audio是音频通道的采样温度。模型每帧要为 8 层音频码本各选一个 token温度会先对 logits 做softmax(logits / temp)再抽样——这正是 moshi/moshi/utils/sampling.py 中sample_token的实现调低如 0.3~0.5概率分布更尖锐发音更平稳克制适合评测稳定、可复现的客服式回答默认 0.8官方调好的平衡点语感自然又不至于跑偏调高如 1.1~1.2分布更平缓语气起伏和停顿更有人味但可能出现怪音或拖腔。直觉类比温度就像音量旋钮——拧小是播音腔拧大是即兴发挥。topk-audio限定候选词表的大小--topk-audio是top-k 截断每步只保留概率最高的 k 个候选 token再从中抽样彻底排除长尾怪音。默认 250音频词表较大250 给采样留足空间音色表现力最好调小如 50~100发音更收敛音色细节减少接近贪心的稳定感适合排查是不是采样抽到了离谱 token这类问题调大300多样性更高但低概率怪音出现的概率也上升。一个实用的排查技巧先固定temp-audio只动topk-audio对比两组输出就能听出随机性主要来自哪一层。greedy 模式一键关闭随机性--greedy是一个开关offline.py 中定义为actionstore_true。加上它后use_sampling被置为 Falsesample_token直接走argmax分支——每步都选概率最高的 token温度与 top-k 全部失效输出完全确定同 seed 下逐帧一致。适合场景✅ 基准测试、回归对比保证两次运行输出完全一致✅ 听模型的最优解听起来怎样❌ 不适合主观体验评测greedy 的音频往往偏平、缺少自然起伏。推荐参数组合评测目标推荐组合官方基线复现评测全默认temp-audio0.8topk-audio250 固定--seed稳定可控的输出--temp-audio 0.4 --topk-audio 100完全可复现的回归测试--greedy --seed 42424242高表现力试听--temp-audio 1.1 --topk-audio 400⚠️ 常见误区给--greedy的同时再调--temp-audio是无效的——greedy 优先级最高二者互斥使用。相关源码与资料离线评测主入口与参数定义moshi/moshi/offline.py采样算法温度缩放 top-k 截断moshi/moshi/utils/sampling.py音频 token 逐码本采样调用点moshi/moshi/models/lm.pyWeb 界面参数默认值与取值范围useModelParams.ts项目总览、语音提示词清单NAT/VAR 系列音色与 Prompt 指南README.md按先跑默认值 → 单变量微调 → greedy 做基线的顺序尝试半小时就能建立起对这三个参数的手感。【免费下载链接】personaplexPersonaPlex code.项目地址: https://gitcode.com/GitHub_Trending/pe/personaplex创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PersonaPlex离线评测参数指南：temp-audio、topk-audio与greedy模式对比
PersonaPlex离线评测参数指南temp-audio、topk-audio与greedy模式对比【免费下载链接】personaplexPersonaPlex code.项目地址: https://gitcode.com/GitHub_Trending/pe/personaplexPersonaPlex是 NVIDIA 开源的实时全双工语音对话模型支持通过文本角色提示词和音频语音提示词控制人格。如果你想在本地对它的输出做可复现的离线评测输入一段 wav输出一段等长的回复 wav就绕不开三个核心参数--temp-audio、--topk-audio和--greedy。它们分别控制音频采样的温度、候选词范围以及是否关闭随机采样。本文面向新手用最少的话讲清楚这三个参数的作用、默认值与取舍帮你快速选对配置。先跑通 PersonaPlex 离线评测离线评测入口是 moshi/moshi/offline.py它复用服务端的完整推理链路加载 Mimi 声码器和 Moshi 语言模型 → 注入角色文本提示与音色提示 → 逐帧流式喂入用户音频 → 采样并解码出回复音频。最终生成与输入等时长的output.wav和记录回复文本的output.json。拿到代码后先安装git clone https://gitcode.com/GitHub_Trending/pe/personaplex pip install moshi/.一条最小可用的评测命令助手角色HF_TOKENTOKEN python -m moshi.offline \ --voice-prompt NATF2.pt \ --input-wav input.wav \ --seed 42424242 \ --output-wav output.wav \ --output-text output.json 显存不足时加--cpu-offload需accelerate包做对比实验时务必固定--seed否则结果不可复现。三大参数速查temp-audio vs topk-audio vs greedy三个参数都在 moshi/moshi/offline.py 中定义默认值与 Web 界面保持一致见 useModelParams.ts参数默认值作用对象一句话解释取值建议--temp-audio0.8音频 token 采样温度调高更放飞调低更稳定0.2 ~ 1.2--topk-audio250音频 token 候选范围只从概率最高的 k 个音素候选里抽10 ~ 500--greedy关闭整体采样策略开关式加上后直接取最优解温度与 topk 全部失效布尔开关对应的文本侧还有--temp-text默认 0.7与--topk-text默认 25控制回复措辞的随机性调参思路与音频侧相同本文不展开。temp-audio给发音随机性调温temp-audio是音频通道的采样温度。模型每帧要为 8 层音频码本各选一个 token温度会先对 logits 做softmax(logits / temp)再抽样——这正是 moshi/moshi/utils/sampling.py 中sample_token的实现调低如 0.3~0.5概率分布更尖锐发音更平稳克制适合评测稳定、可复现的客服式回答默认 0.8官方调好的平衡点语感自然又不至于跑偏调高如 1.1~1.2分布更平缓语气起伏和停顿更有人味但可能出现怪音或拖腔。直觉类比温度就像音量旋钮——拧小是播音腔拧大是即兴发挥。topk-audio限定候选词表的大小--topk-audio是top-k 截断每步只保留概率最高的 k 个候选 token再从中抽样彻底排除长尾怪音。默认 250音频词表较大250 给采样留足空间音色表现力最好调小如 50~100发音更收敛音色细节减少接近贪心的稳定感适合排查是不是采样抽到了离谱 token这类问题调大300多样性更高但低概率怪音出现的概率也上升。一个实用的排查技巧先固定temp-audio只动topk-audio对比两组输出就能听出随机性主要来自哪一层。greedy 模式一键关闭随机性--greedy是一个开关offline.py 中定义为actionstore_true。加上它后use_sampling被置为 Falsesample_token直接走argmax分支——每步都选概率最高的 token温度与 top-k 全部失效输出完全确定同 seed 下逐帧一致。适合场景✅ 基准测试、回归对比保证两次运行输出完全一致✅ 听模型的最优解听起来怎样❌ 不适合主观体验评测greedy 的音频往往偏平、缺少自然起伏。推荐参数组合评测目标推荐组合官方基线复现评测全默认temp-audio0.8topk-audio250 固定--seed稳定可控的输出--temp-audio 0.4 --topk-audio 100完全可复现的回归测试--greedy --seed 42424242高表现力试听--temp-audio 1.1 --topk-audio 400⚠️ 常见误区给--greedy的同时再调--temp-audio是无效的——greedy 优先级最高二者互斥使用。相关源码与资料离线评测主入口与参数定义moshi/moshi/offline.py采样算法温度缩放 top-k 截断moshi/moshi/utils/sampling.py音频 token 逐码本采样调用点moshi/moshi/models/lm.pyWeb 界面参数默认值与取值范围useModelParams.ts项目总览、语音提示词清单NAT/VAR 系列音色与 Prompt 指南README.md按先跑默认值 → 单变量微调 → greedy 做基线的顺序尝试半小时就能建立起对这三个参数的手感。【免费下载链接】personaplexPersonaPlex code.项目地址: https://gitcode.com/GitHub_Trending/pe/personaplex创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考