rvc导出的onnx模型做实时变声推理，声音不连续

环境：
RVC版本：https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI.git -- RVC的git仓库最新提交版本
使用以下脚本导出的onnx：https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/tools/export_onnx.py
原模型为rvc自带的keruanV1.pth，导出模型为keruanV1.onnx，确认生成的是动态模型。

现象：
由于是做实时变声推理，因此每次送入模型的数据片段会很短，大概7200个采样。但输出的数据片段并不能很好的衔接在一起。如：片段A、B、C，在从麦克风进来后，三个数据片段的声音是连续的，但从变声器出来后，听感上A会高一些，B会低一些，而且三个片段的衔接处也无法丝滑过渡，会导致衔接处播放时产生噪音。实际听感就是，变声后的声音会周期性出现“点点点”的声音。

所做的尝试：

1. 参考https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/gui_v1.py中对推理后数据的处理。增加了交叉淡化算法，但收效甚微。

// 计算当前返回帧的头部淡化效果
auto fo_head = in_buf + sola_offset;
auto fo_tail = fo_head + block_frame;
for (size_t i = 0; i < sola_buffer_frame; i++) {
    fo_head[i] *= fade_in_window[i];
    fo_head[i] += (sola_buffer[i] * fade_out_window[i]);
}
memcpy(sola_buffer, fo_tail, sola_buffer_frame * sizeof(float_t));

2. 利用ffmpeg的acrossfade滤镜进行处理，但得到的结果一样，效果不大。
3. 增加每次送入模型的数据量，通过滑动窗口的方式返回数据。如：我会缓存500ms左右的历史变声前数据，新的7200个采样到来后会从缓存尾部推入，缓存头部则会被挤出7200个采样，将整个缓存数据送入变声器。取输出数据尾部的7200个采样返回。
4. 将3中返回窗口分别设置在输出数据的头部、中部、尾部，均未得到特别好的效果，也将这种窗口形式与1/2中的交叉淡化结合，亦无明显效果。

请问是否有什么办法，能让每次推理的数据片段能衔接起来，让声音连续呢？

Start by reading tools/export_onnx.py and the post-inference handling in gui_v1.py. Reproduce the issue with 7200-sample microphone chunks and compare adjacent output chunks, including the attempted crossfade and sliding-window approaches described here. Done means identifying a reproducible cause and a validated method that produces continuous output without boundary noise.