vits声音推理后，原音频人声和模型人声同时存在

你好！对于你的问题，根据我的理解，你在提到 "vits声音推理后，原音频人声和模型人声同时存在"。基于这个描述，我猜测你可能是在讨论 VITS（Voice Inference from Text with Speech）模型的应用。VITS是一种语音推理模型，它可以根据文本生成对应的语音。在这种情况下，原音频人声指的是输入的语音记录，而模型人声是指VITS模型生成的语音。

如果原音频人声和模型人声同时存在，那可能意味着你将原音频和模型生成的语音进行了叠加或混合。这样做的目的可能是为了进行比较、分析或者其他处理。

希望我的解释对你有帮助。如果我的理解有误，请告诉我具体情境，我会尽力提供更准确的回答。