voxcom infer 偶现不稳定，有时候会推理完4096token（超过2分钟），

如图的位置，voxcpm.py VoxCPMModel inference 有时候会推理完4096token（超过2分钟），如果把max_length设置的比较小比如1024，推理15s后结果音频是乱的且长度也不对应，在我的prompt_wav和prompt_text不对应时，会经常出现（概率大概有5%），当他们对应时，也会偶尔出现几次（不过概率比较低< 1%）

我的配置：voxcpm 1.0.5 torch==2.6.0 H20卡

我的部分demo：

self.tts_model = VoxCPM(voxcpm_model_path=self.model_dir) def generate(self, text, prompt_wav_path, prompt_text=None, cfg=2.0, steps=10): try: wav = self.tts_model.generate( text=text, prompt_wav_path=prompt_wav_path, prompt_text=prompt_text, cfg_value=cfg, inference_timesteps=steps, normalize=False, denoise=False, retry_badcase=False, max_length=1024, ) return 16000, wav

Start with voxcpm.py and the VoxCPMModel inference path, then reproduce the supplied generate call with max_length=1024 and mismatched prompt_wav and prompt_text. Compare the occasional 4096-token runs with the malformed, incorrectly sized audio results; done means the intermittent behavior is reproduced and its cause and correction are documented.