+- 强制:Gradio 上传经 pydub 解码,24-bit 源被填充为 int32 返回(随行代码注释为证),所以任何非 int16 的整数 PCM 在 clip 或 dtype 转换之前,必须先经浮点中转并除以该 dtype 的满标度 `1 << (np.iinfo(dtype).bits - 1)` 归一化到 [-1, 1];已是 [-1, 1] 的浮点输入只需 clip 到 [-1, 1]。diff 所示的两种落地形态各自保持,不得互相替代:(1)写 int16 WAV 的编码器——三个 omni demo 的 `audio_to_base64_data_url` 与六个 TTS demo 的同类函数(audio8_tts 为 `encode_audio_to_base64`)——先把两个分支统一归一化为 `audio_f`,再执行 `np.clip(audio_f * 32768, -32768, 32767).astype(np.int16)`;(2)aura_omni 的 `_audio_to_data_url` 对整数分支除以满标度并 clip 到 [-1, 1] 后,以归一化浮点直接交给 `sf.write`,该路径不做 int16 转换,评审时不得以形态(1)的 int16 换算作为其验收标准。路径加载由 `_pcm_to_float32` 处理(该助手仅在 minicpmo、qwen2_5_omni、qwen3_omni 显示新增):整数除以满标度返回归一化 float32,浮点直接 `astype(np.float32)`,由 minicpmo 的 `process_audio_input` 与 qwen2_5_omni、qwen3_omni 的 `process_audio_file` 调用。上述行为由 `tests/examples/test_gradio_ref_audio_bit_depth.py` 回归守护。
0 commit comments