SpeechCombine 官方模型 Instruction 合并（0.85）

SpeechCombine 韵律 token 模型 · 对话存档

会话：a2a96eff-1c2b-4d33-8c53-7cfe593a91ca
导出时间（America/Los_Angeles）：2026-11-05T17:32:24-08:00
已保存用户消息 3 条，完整回复 3 条。模型音频已内嵌，可离线播放。

你 · 第 1 条用户消息 · 文字输入（此模型无用户语音输入）

How are you today?

模型 · SpeechCombine 官方模型 Instruction 合并（0.85）

How are you today?

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
格式约束总开关：开启
预填思考：关闭
生成策略：
  生成方式：format_constrained
  格式约束总开关：开启
  logits_processors：TemperatureLogitsProcessor；ProsodyFormatProcessor
  强制 token：[SEP_1] after <|im_end|>；<|num_tk_400|> after [SEP_1]；per-word template after [SEP_1]
  采样设置：{temperature: 0.1，value_temperature: 0.7，top_p: 0.9，top_k: 150，repetition_penalty: 1.0，seed: 0}
  每轮新增 token 上限：1000
  最多轮数：20
  轮间保留的内容块数：5
  轮次模式：generate
  思考预填：<think>

</think>


  思考轮采样：未记录
  assistant 前缀：
  raw_output_scope：raw_text and generated_token_ids contain only newly sampled tokens of all rounds; combined_raw_text includes the input prefix
  停止规则：[SEP_2] ends a round; <|im_end|> ends the answer; at most 20 rounds
  history_serialization：Outer im_end is added only to message history, never to sampled raw output
逐项规则：
  • 启用：第一个 token 屏蔽韵律和分隔标记。本轮第一个新采样的 token 屏蔽 <SIL>、全部 513 个韵律值 token、[SEP_1]、[SEP_2]、<CAP>、</CAP>、<PCAP>、</PCAP>（评测规则）。
  • 启用：回答阶段屏蔽 think 标记。回答阶段每一步屏蔽 <think> 和 </think>（评测规则）；预填思考的思考轮由“思考阶段”规则控制。
  • 启用：每步屏蔽 PCAP 标记。每一步屏蔽 <PCAP> 和 </PCAP>（评测规则）。
  • 启用：<|im_end|> 后强制 [SEP_1]。最后生成的 token 为 <|im_end|> 时，强制下一个 token 为 [SEP_1]（评测规则：文字结束后进入韵律段；含 <|im_end|> 的这一轮是回答的最后一轮）。
  • 启用：[SEP_1] 后强制说话人 token。[SEP_1] 之后强制 <|num_tk_400|>（评测的固定说话人 token）。
  • 启用：逐词模板强制。[SEP_1] 后按本轮已生成的文字逐词强制模板 <SIL>·值·词·5 个值 … <SIL>·值·[SEP_2]，模型只采样韵律值 token（评测规则）。
  • 启用：[SEP_2] 后结束本轮。生成 [SEP_2] 后结束本轮；本轮没有出现 <|im_end|> 时继续下一轮（含思考轮最多 20 轮，评测的多轮流程）。关闭后只生成一轮，直到新增 token 上限。
  • 启用：思考中屏蔽回答标记。预填思考的思考轮内屏蔽 <SIL>、韵律值、[SEP_1]、[SEP_2]、CAP/PCAP 标记、<|im_end|>、<|im_start|> 和新的 <think>（评测 A.5 规则）。
  • 启用：强制思考长度：至少 160、最多 1000 个 think token。思考轮不足 160 个 token 时屏蔽 </think>；达到 1000 个 token 时在 [SEP_1] 前截断并补 </think>（评测 A.5 规则）。
生效规则说明：
  • 本轮第一个新采样的 token 屏蔽 <SIL>、全部 513 个韵律值 token、[SEP_1]、[SEP_2]、<CAP>、</CAP>、<PCAP>、</PCAP>（评测规则）。
  • 回答阶段每一步屏蔽 <think> 和 </think>（评测规则）；预填思考的思考轮由“思考阶段”规则控制。
  • 每一步屏蔽 <PCAP> 和 </PCAP>（评测规则）。
  • 最后生成的 token 为 <|im_end|> 时，强制下一个 token 为 [SEP_1]（评测规则：文字结束后进入韵律段；含 <|im_end|> 的这一轮是回答的最后一轮）。
  • [SEP_1] 之后强制 <|num_tk_400|>（评测的固定说话人 token）。
  • [SEP_1] 后按本轮已生成的文字逐词强制模板 <SIL>·值·词·5 个值 … <SIL>·值·[SEP_2]，模型只采样韵律值 token（评测规则）。
  • 生成 [SEP_2] 后结束本轮；本轮没有出现 <|im_end|> 时继续下一轮（含思考轮最多 20 轮，评测的多轮流程）。关闭后只生成一轮，直到新增 token 上限。
  • 预填思考的思考轮内屏蔽 <SIL>、韵律值、[SEP_1]、[SEP_2]、CAP/PCAP 标记、<|im_end|>、<|im_start|> 和新的 <think>（评测 A.5 规则）。
  • 思考轮不足 160 个 token 时屏蔽 </think>；达到 1000 个 token 时在 [SEP_1] 前截断并补 </think>（评测 A.5 规则）。

完整思考

模型本轮没有生成思考文本。

完整原始输出（含特殊标记和韵律 tokens，全部轮次）

How are you today?<|im_end|>[SEP_1]<|num_tk_400|><SIL><|num_tk_463|>How<|num_tk_232|><|num_tk_41|><|num_tk_511|><|num_tk_326|><|num_tk_406|><SIL><|num_tk_212|>are<|num_tk_230|><|num_tk_40|><|num_tk_511|><|num_tk_277|><|num_tk_381|><SIL><|num_tk_311|>you<|num_tk_276|><|num_tk_42|><|num_tk_511|><|num_tk_328|><|num_tk_354|><SIL><|num_tk_265|>today<|num_tk_358|><|num_tk_228|><|num_tk_382|><|num_tk_263|><|num_tk_268|><SIL><|num_tk_147|>[SEP_2]

你 · 第 2 条用户消息 · 文字输入（此模型无用户语音输入）

What did you do yesterday?

模型 · SpeechCombine 官方模型 Instruction 合并（0.85）

What did you do yesterday?

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
格式约束总开关：开启
预填思考：关闭
生成策略：
  生成方式：format_constrained
  格式约束总开关：开启
  logits_processors：TemperatureLogitsProcessor；ProsodyFormatProcessor
  强制 token：[SEP_1] after <|im_end|>；<|num_tk_400|> after [SEP_1]；per-word template after [SEP_1]
  采样设置：{temperature: 0.1，value_temperature: 0.7，top_p: 0.9，top_k: 150，repetition_penalty: 1.0，seed: 0}
  每轮新增 token 上限：1000
  最多轮数：20
  轮间保留的内容块数：5
  轮次模式：generate
  思考预填：<think>

</think>


  思考轮采样：未记录
  assistant 前缀：
  raw_output_scope：raw_text and generated_token_ids contain only newly sampled tokens of all rounds; combined_raw_text includes the input prefix
  停止规则：[SEP_2] ends a round; <|im_end|> ends the answer; at most 20 rounds
  history_serialization：Outer im_end is added only to message history, never to sampled raw output
逐项规则：
  • 启用：第一个 token 屏蔽韵律和分隔标记。本轮第一个新采样的 token 屏蔽 <SIL>、全部 513 个韵律值 token、[SEP_1]、[SEP_2]、<CAP>、</CAP>、<PCAP>、</PCAP>（评测规则）。
  • 启用：回答阶段屏蔽 think 标记。回答阶段每一步屏蔽 <think> 和 </think>（评测规则）；预填思考的思考轮由“思考阶段”规则控制。
  • 启用：每步屏蔽 PCAP 标记。每一步屏蔽 <PCAP> 和 </PCAP>（评测规则）。
  • 启用：<|im_end|> 后强制 [SEP_1]。最后生成的 token 为 <|im_end|> 时，强制下一个 token 为 [SEP_1]（评测规则：文字结束后进入韵律段；含 <|im_end|> 的这一轮是回答的最后一轮）。
  • 启用：[SEP_1] 后强制说话人 token。[SEP_1] 之后强制 <|num_tk_400|>（评测的固定说话人 token）。
  • 启用：逐词模板强制。[SEP_1] 后按本轮已生成的文字逐词强制模板 <SIL>·值·词·5 个值 … <SIL>·值·[SEP_2]，模型只采样韵律值 token（评测规则）。
  • 启用：[SEP_2] 后结束本轮。生成 [SEP_2] 后结束本轮；本轮没有出现 <|im_end|> 时继续下一轮（含思考轮最多 20 轮，评测的多轮流程）。关闭后只生成一轮，直到新增 token 上限。
  • 启用：思考中屏蔽回答标记。预填思考的思考轮内屏蔽 <SIL>、韵律值、[SEP_1]、[SEP_2]、CAP/PCAP 标记、<|im_end|>、<|im_start|> 和新的 <think>（评测 A.5 规则）。
  • 启用：强制思考长度：至少 160、最多 1000 个 think token。思考轮不足 160 个 token 时屏蔽 </think>；达到 1000 个 token 时在 [SEP_1] 前截断并补 </think>（评测 A.5 规则）。
生效规则说明：
  • 本轮第一个新采样的 token 屏蔽 <SIL>、全部 513 个韵律值 token、[SEP_1]、[SEP_2]、<CAP>、</CAP>、<PCAP>、</PCAP>（评测规则）。
  • 回答阶段每一步屏蔽 <think> 和 </think>（评测规则）；预填思考的思考轮由“思考阶段”规则控制。
  • 每一步屏蔽 <PCAP> 和 </PCAP>（评测规则）。
  • 最后生成的 token 为 <|im_end|> 时，强制下一个 token 为 [SEP_1]（评测规则：文字结束后进入韵律段；含 <|im_end|> 的这一轮是回答的最后一轮）。
  • [SEP_1] 之后强制 <|num_tk_400|>（评测的固定说话人 token）。
  • [SEP_1] 后按本轮已生成的文字逐词强制模板 <SIL>·值·词·5 个值 … <SIL>·值·[SEP_2]，模型只采样韵律值 token（评测规则）。
  • 生成 [SEP_2] 后结束本轮；本轮没有出现 <|im_end|> 时继续下一轮（含思考轮最多 20 轮，评测的多轮流程）。关闭后只生成一轮，直到新增 token 上限。
  • 预填思考的思考轮内屏蔽 <SIL>、韵律值、[SEP_1]、[SEP_2]、CAP/PCAP 标记、<|im_end|>、<|im_start|> 和新的 <think>（评测 A.5 规则）。
  • 思考轮不足 160 个 token 时屏蔽 </think>；达到 1000 个 token 时在 [SEP_1] 前截断并补 </think>（评测 A.5 规则）。

完整思考

模型本轮没有生成思考文本。

完整原始输出（含特殊标记和韵律 tokens，全部轮次）

What did you do yesterday?<|im_end|>[SEP_1]<|num_tk_400|><SIL><|num_tk_489|>What<|num_tk_243|><|num_tk_20|><|num_tk_511|><|num_tk_314|><|num_tk_347|><SIL><|num_tk_261|>did<|num_tk_210|><|num_tk_27|><|num_tk_511|><|num_tk_293|><|num_tk_360|><SIL><|num_tk_250|>you<|num_tk_202|><|num_tk_27|><|num_tk_511|><|num_tk_304|><|num_tk_334|><SIL><|num_tk_259|>do<|num_tk_238|><|num_tk_14|><|num_tk_511|><|num_tk_303|><|num_tk_384|><SIL><|num_tk_268|>yesterday<|num_tk_348|><|num_tk_310|><|num_tk_423|><|num_tk_274|><|num_tk_273|><SIL><|num_tk_149|>[SEP_2]

你 · 第 3 条用户消息 · 文字输入（此模型无用户语音输入）

Could you please tell me more about yourself?

模型 · SpeechCombine 官方模型 Instruction 合并（0.85）

Could you please tell me more about yourself?

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
格式约束总开关：开启
预填思考：关闭
生成策略：
  生成方式：format_constrained
  格式约束总开关：开启
  logits_processors：TemperatureLogitsProcessor；ProsodyFormatProcessor
  强制 token：[SEP_1] after <|im_end|>；<|num_tk_400|> after [SEP_1]；per-word template after [SEP_1]
  采样设置：{temperature: 0.1，value_temperature: 0.7，top_p: 0.9，top_k: 150，repetition_penalty: 1.0，seed: 0}
  每轮新增 token 上限：1000
  最多轮数：20
  轮间保留的内容块数：5
  轮次模式：generate
  思考预填：<think>

</think>


  思考轮采样：未记录
  assistant 前缀：
  raw_output_scope：raw_text and generated_token_ids contain only newly sampled tokens of all rounds; combined_raw_text includes the input prefix
  停止规则：[SEP_2] ends a round; <|im_end|> ends the answer; at most 20 rounds
  history_serialization：Outer im_end is added only to message history, never to sampled raw output
逐项规则：
  • 启用：第一个 token 屏蔽韵律和分隔标记。本轮第一个新采样的 token 屏蔽 <SIL>、全部 513 个韵律值 token、[SEP_1]、[SEP_2]、<CAP>、</CAP>、<PCAP>、</PCAP>（评测规则）。
  • 启用：回答阶段屏蔽 think 标记。回答阶段每一步屏蔽 <think> 和 </think>（评测规则）；预填思考的思考轮由“思考阶段”规则控制。
  • 启用：每步屏蔽 PCAP 标记。每一步屏蔽 <PCAP> 和 </PCAP>（评测规则）。
  • 启用：<|im_end|> 后强制 [SEP_1]。最后生成的 token 为 <|im_end|> 时，强制下一个 token 为 [SEP_1]（评测规则：文字结束后进入韵律段；含 <|im_end|> 的这一轮是回答的最后一轮）。
  • 启用：[SEP_1] 后强制说话人 token。[SEP_1] 之后强制 <|num_tk_400|>（评测的固定说话人 token）。
  • 启用：逐词模板强制。[SEP_1] 后按本轮已生成的文字逐词强制模板 <SIL>·值·词·5 个值 … <SIL>·值·[SEP_2]，模型只采样韵律值 token（评测规则）。
  • 启用：[SEP_2] 后结束本轮。生成 [SEP_2] 后结束本轮；本轮没有出现 <|im_end|> 时继续下一轮（含思考轮最多 20 轮，评测的多轮流程）。关闭后只生成一轮，直到新增 token 上限。
  • 启用：思考中屏蔽回答标记。预填思考的思考轮内屏蔽 <SIL>、韵律值、[SEP_1]、[SEP_2]、CAP/PCAP 标记、<|im_end|>、<|im_start|> 和新的 <think>（评测 A.5 规则）。
  • 启用：强制思考长度：至少 160、最多 1000 个 think token。思考轮不足 160 个 token 时屏蔽 </think>；达到 1000 个 token 时在 [SEP_1] 前截断并补 </think>（评测 A.5 规则）。
生效规则说明：
  • 本轮第一个新采样的 token 屏蔽 <SIL>、全部 513 个韵律值 token、[SEP_1]、[SEP_2]、<CAP>、</CAP>、<PCAP>、</PCAP>（评测规则）。
  • 回答阶段每一步屏蔽 <think> 和 </think>（评测规则）；预填思考的思考轮由“思考阶段”规则控制。
  • 每一步屏蔽 <PCAP> 和 </PCAP>（评测规则）。
  • 最后生成的 token 为 <|im_end|> 时，强制下一个 token 为 [SEP_1]（评测规则：文字结束后进入韵律段；含 <|im_end|> 的这一轮是回答的最后一轮）。
  • [SEP_1] 之后强制 <|num_tk_400|>（评测的固定说话人 token）。
  • [SEP_1] 后按本轮已生成的文字逐词强制模板 <SIL>·值·词·5 个值 … <SIL>·值·[SEP_2]，模型只采样韵律值 token（评测规则）。
  • 生成 [SEP_2] 后结束本轮；本轮没有出现 <|im_end|> 时继续下一轮（含思考轮最多 20 轮，评测的多轮流程）。关闭后只生成一轮，直到新增 token 上限。
  • 预填思考的思考轮内屏蔽 <SIL>、韵律值、[SEP_1]、[SEP_2]、CAP/PCAP 标记、<|im_end|>、<|im_start|> 和新的 <think>（评测 A.5 规则）。
  • 思考轮不足 160 个 token 时屏蔽 </think>；达到 1000 个 token 时在 [SEP_1] 前截断并补 </think>（评测 A.5 规则）。

完整思考

模型本轮没有生成思考文本。

完整原始输出（含特殊标记和韵律 tokens，全部轮次）

Could you please tell me more about yourself?<|im_end|>[SEP_1]<|num_tk_400|><SIL><|num_tk_502|>Could<|num_tk_264|><|num_tk_45|><|num_tk_511|><|num_tk_323|><|num_tk_369|><SIL><|num_tk_237|>you<|num_tk_230|><|num_tk_14|><|num_tk_511|><|num_tk_298|><|num_tk_349|><SIL><|num_tk_314|>please<|num_tk_304|><|num_tk_66|><|num_tk_511|><|num_tk_320|><|num_tk_358|><SIL><|num_tk_301|>tell<|num_tk_241|><|num_tk_27|><|num_tk_496|><|num_tk_296|><|num_tk_371|><SIL><|num_tk_254|>me<|num_tk_215|><|num_tk_25|><|num_tk_480|><|num_tk_288|><|num_tk_382|><SIL><|num_tk_263|>more<|num_tk_244|><|num_tk_12|><|num_tk_455|><|num_tk_308|><|num_tk_375|><SIL><|num_tk_247|>about<|num_tk_232|><|num_tk_57|><|num_tk_438|><|num_tk_294|><|num_tk_339|><SIL><|num_tk_255|>yourself<|num_tk_335|><|num_tk_208|><|num_tk_409|><|num_tk_279|><|num_tk_223|><SIL><|num_tk_153|>[SEP_2]