checkpoint 8000 instruction合并(0.85)--多轮对话--思考

SpeechCombine · 对话存档

会话：da5b7be4-871b-4c08-ba50-8597672614aa
导出时间（America/Los_Angeles）：2026-10-25T13:18:14-07:00
已保存用户消息 2 条，完整回复 2 条。双方音频已内嵌，可离线播放。

你 · 第 1 条用户消息 · Qwen-TTS 平静男声

Hello, how are you?

模型 · Checkpoint 8000 · Instruction 合并 0.85

, the user is asking about my well-being, so I should respond with a friendly greeting and ask about theirs.

达到本轮 250 个音频 tokens 上限，语音结束标记由格式约束强制生成。

语音格式约束

本轮实际采样和格式约束

格式约束总开关：开启
逐项格式约束：
  开启 · 回答至少有一个字母或数字
  开启 · 文字阶段屏蔽音频 code
  开启 · 文字阶段屏蔽 SEP_2
  开启 · 文字阶段屏蔽新消息标记
  开启 · 文字阶段屏蔽 caption 标记
  开启 · 文字阶段屏蔽 SIL 标记
  开启 · 文字 im_end 后强制 SEP_1
  开启 · 语音阶段只允许音频 code 和 SEP_2
  开启 · 达到最少音频 tokens 才允许 SEP_2
  开启 · 达到最多音频 tokens 时强制 SEP_2
  开启 · 完整语音段的 SEP_2 后立即停止
  开启 · 思考中屏蔽语音开始标记
  开启 · 思考中屏蔽 im_end
  开启 · 思考中禁止嵌套 think
  开启 · 回答开始或思考结束后禁止再开 think
  开启 · 没有开启思考时屏蔽 /think
本轮记录的实际规则：
  1）尚无回答正文中的字母或数字时，屏蔽 im_end 和 SEP_1；思考正文不算回答。
  2）进入 SEP_1 之前屏蔽 CV3 音频 code；也适用于思考阶段。
  3）没有正在生成的语音段时，屏蔽语音结束标记 SEP_2。
  4）没有正在生成的语音段时，屏蔽 im_start。
  5）没有正在生成的语音段时，屏蔽 CAP、/CAP、PCAP 和 /PCAP。
  6）没有正在生成的语音段时，屏蔽 SIL。
  7）思考已关闭且最后生成的 token 为 im_end 时，强制下一个 token 为 SEP_1。
  8）SEP_1 后、对应 SEP_2 前，仅允许 CV3 code 0..6560 和 SEP_2；文字、思考和消息标记都会被屏蔽。
  9）本段至少生成 1 个音频 code 后才允许 SEP_2。
  10）本段达到 250 个音频 code 时强制 SEP_2。
  11）生成对应 SEP_1 的 SEP_2 后结束本轮；关闭后仍遵守自然回合结束和总 token 上限。
  12）think 尚未关闭时屏蔽 SEP_1；音频 code 的屏蔽由文字阶段规则控制。
  13）think 尚未关闭时，屏蔽消息结束标记 im_end。
  14）think 尚未关闭时，屏蔽新的 think 开始标记。
  15）回答已有字母或数字，或本轮曾开启思考后，屏蔽新的 think 开始标记。
  16）当前不在思考中时，屏蔽无对应开始标记的 /think。
每段最少音频 tokens：1
每段最多音频 tokens：250
达到总 token 上限后为音频解析补齐 SEP_2：开启
生成策略：
  格式约束总开关：开启
  逐项格式约束：
    开启 · 回答至少有一个字母或数字
    开启 · 文字阶段屏蔽音频 code
    开启 · 文字阶段屏蔽 SEP_2
    开启 · 文字阶段屏蔽新消息标记
    开启 · 文字阶段屏蔽 caption 标记
    开启 · 文字阶段屏蔽 SIL 标记
    开启 · 文字 im_end 后强制 SEP_1
    开启 · 语音阶段只允许音频 code 和 SEP_2
    开启 · 达到最少音频 tokens 才允许 SEP_2
    开启 · 达到最多音频 tokens 时强制 SEP_2
    开启 · 完整语音段的 SEP_2 后立即停止
    开启 · 思考中屏蔽语音开始标记
    开启 · 思考中屏蔽 im_end
    开启 · 思考中禁止嵌套 think
    开启 · 回答开始或思考结束后禁止再开 think
    开启 · 没有开启思考时屏蔽 /think
  生成方式：启用格式约束
  达到总 token 上限后为音频解析补齐 SEP_2：开启
  生成后的音频解析补齐：
    是否启用：开启
    本轮是否实际补齐：关闭
    补齐状态：未真正达到总 token 上限，或已自然结束
    人工补齐的标记：（空）
    人工补齐的 token IDs（不属于模型采样）：
      无
    仅用于音频解析，原始输出和历史保持原样：开启
    有效音频 tokens：0
  采样分数处理器：
    1）CV3FormatProcessor
  强制生成规则：
    1）[SEP_1] after <|im_end|>
    2）[SEP_2] at maximum audio length
  本轮记录的实际规则：
    1）尚无回答正文中的字母或数字时，屏蔽 im_end 和 SEP_1；思考正文不算回答。
    2）进入 SEP_1 之前屏蔽 CV3 音频 code；也适用于思考阶段。
    3）没有正在生成的语音段时，屏蔽语音结束标记 SEP_2。
    4）没有正在生成的语音段时，屏蔽 im_start。
    5）没有正在生成的语音段时，屏蔽 CAP、/CAP、PCAP 和 /PCAP。
    6）没有正在生成的语音段时，屏蔽 SIL。
    7）思考已关闭且最后生成的 token 为 im_end 时，强制下一个 token 为 SEP_1。
    8）SEP_1 后、对应 SEP_2 前，仅允许 CV3 code 0..6560 和 SEP_2；文字、思考和消息标记都会被屏蔽。
    9）本段至少生成 1 个音频 code 后才允许 SEP_2。
    10）本段达到 250 个音频 code 时强制 SEP_2。
    11）生成对应 SEP_1 的 SEP_2 后结束本轮；关闭后仍遵守自然回合结束和总 token 上限。
    12）think 尚未关闭时屏蔽 SEP_1；音频 code 的屏蔽由文字阶段规则控制。
    13）think 尚未关闭时，屏蔽消息结束标记 im_end。
    14）think 尚未关闭时，屏蔽新的 think 开始标记。
    15）回答已有字母或数字，或本轮曾开启思考后，屏蔽新的 think 开始标记。
    16）当前不在思考中时，屏蔽无对应开始标记的 /think。
  本轮是否实际强制生成 SEP_1：开启
  实际强制生成事件：
    1）
      触发规则：force_sep1_after_im_end
      新生成序列中的位置：37
      token ID：151670
    2）
      触发规则：max_audio_length
      新生成序列中的位置：288
      token ID：151671
      有效音频 tokens：250
  音频长度计数口径：Valid CV3 codes in each open SEP_1..SEP_2 segment; prompt and non-audio tokens excluded
  每段最少音频 tokens：1
  每段最多音频 tokens：250
  采样设置：
    随机采样：开启
    温度：0.7
    Top-p：0.9
    Top-k：50
    重复惩罚：1.0
    随机种子：0
  最多新生成 tokens：3072
  思考提示前缀：<think>
  
  手工预填的 Assistant 前缀：（空）
  原始输出范围：raw_text and generated_token_ids contain only newly sampled continuation; combined_raw_text includes the input prefix
  停止条件：First complete SEP_2 or natural turn end
  历史消息的保存方式：Outer im_end is added only to message history, never to sampled raw output
生成后的音频解析补齐：
  是否启用：开启
  本轮是否实际补齐：关闭
  补齐状态：未真正达到总 token 上限，或已自然结束
  人工补齐的标记：（空）
  人工补齐的 token IDs（不属于模型采样）：
    无
  仅用于音频解析，原始输出和历史保持原样：开启
  有效音频 tokens：0

完整思考

I'm doing great, thank you! How are you?

完整原始输出（含特殊标记和音频 tokens）

I'm doing great, thank you! How are you?</think>, the user is asking about my well-being, so I should respond with a friendly greeting and ask about theirs.<|im_end|>[SEP_1]<|audio_tk_5532|><|audio_tk_491|><|audio_tk_244|><|audio_tk_0|><|audio_tk_1|><|audio_tk_1|><|audio_tk_2268|><|audio_tk_4798|><|audio_tk_4851|><|audio_tk_6310|><|audio_tk_6310|><|audio_tk_4854|><|audio_tk_5583|><|audio_tk_5583|><|audio_tk_5343|><|audio_tk_5262|><|audio_tk_4533|><|audio_tk_5262|><|audio_tk_4506|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4587|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4507|><|audio_tk_4507|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4507|><|audio_tk_4507|><|audio_tk_4507|><|audio_tk_4507|><|audio_tk_4507|><|audio_tk_4507|><|audio_tk_4588|><|audio_tk_4588|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_4506|><|audio_tk_5235|><|audio_tk_5235|><|audio_tk_4506|><|audio_tk_5235|>[SEP_2]

你 · 第 2 条用户消息 · Qwen-TTS 平静男声

I'm good. What did you do today?