音频卡顿源于分离→传输→渲染链路中断或参数不匹配，需检查uvr5导出设置、wav格式（microsoft pcm/16bit/同采样率）、播放端audioformat一致性，并用ffprobe和adb logcat定位静音帧来源。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
音述AI分离后音频卡顿，表现为播放时出现周期性20ms级音频缺口、pop声或间歇性静音帧，不是模型退化，而是音频数据流在分离→传输→渲染链路中某处被截断或填充异常。
确认分离输出是否为纯净PCM
分离工具（如UVR5）若未正确配置，会输出带元数据的WAV或含静音头尾的非标准PCM，导致播放器解码异常。
第一步：用Audacity打开分离后的音频文件 → 查看波形是否从第0秒开始有有效信号；若开头有空白段或结尾突然截断，说明UVR5导出时启用了“淡入/淡出”或“自动对齐”，需关闭。
第二步：点击菜单栏【文件】→【导出】→【导出为WAV】→ 在弹出窗口中点击【选项】→ 将【WAV格式】设为“Microsoft PCM”，【位深度】选“16 bit”，【采样率】必须与原始人声一致（常见为44100Hz或48000Hz）→ 点击确定。
注意：导出时若勾选“添加ID3标签”或“嵌入封面”，会导致部分播放器读取失败，【务必取消勾选】。
检查音频参数与播放实例是否匹配
播放端创建AudioTrack或Web Audio Context时，若采样率、声道数、位深与分离后PCM不一致，系统会强制重采样，引发缓冲失衡和静音帧插入。
方法一：用ffprobe命令行快速验证
在终端执行：ffprobe -v quiet -show_entries stream=sample_rate,channels,codec_name -of default=nw=1 input.wav，确认输出中sample_rate=48000、channels=1、codec_name=pcm_s16le。
方法二：Android端直接读取AudioFormat
在代码中打印分离后文件的AudioFormat.Builder参数：new AudioFormat.Builder().setSampleRate(48000).setEncoding(AudioFormat.ENCODING_PCM_16BIT).setChannelMask(AudioFormat.CHANNEL_OUT_MONO)，必须与ffprobe结果完全一致，否则调用AudioTrack.getPlayState()可能返回PLAYSTATE_STOPPED而不报错。
定位静音帧来源：生产者还是消费者
卡顿本质是消费端（播放器）取不到足够音频数据，被迫填入静音帧。需判断是数据没生成出来，还是生成了但没送过去。
① 用adb logcat过滤音频日志：adb logcat | grep -i "audio|underrun"，若持续出现AudioTrack underrun，说明写入速率低于播放速率；
② 在分离后PCM文件末尾追加1秒全0数据（用Python写入b'\x00\x00' * 48000 * 2），再播放——若卡顿消失，证明是分离结果长度非整帧（如总样本数不能被每帧字节数整除），播放器因最后一帧不足而丢弃；
③ 若追加0数据后仍卡顿，则问题在传输链路：检查是否启用了蓝牙A2DP或USB音频设备，这些外设驱动常引入固定32ms缓冲，【切换至手机扬声器直连复测】。
