3s极速复刻生成的音频存在多字或少字，少句子的问题

[JV-X]

按照目前最新的代码和readme搭建好了环境以后，打开gradio页面，选择3s急速复刻，输入合成文本：一只小羊是养,两只小羊是养,三只小羊就不是养了,是喂。 ，输入prompt文本，录入prompt音频，点击生成按钮，生成出的音频不完整，或者少字或者少句子,偶尔会多字。比如用这个合成文本生成出来的音频就是：音频文件一只小羊是养,两只小羊就不是养,是喂。多了前面的音频文件四个字，少了中间的三只小羊的部分。

注：我用的是CosyVoice-300M-Instruct模型

[shirubei]

同样300M-Instruct模型，用的prompt语音为5s，使用3s极速复刻功能，用上面的文本（一只小羊是养,两只小羊是养,三只小羊就不是养了,是喂。），一切正常

[liunixgithub]

我遇到同样的问题，出现少字或少句子的情况