zipformer处理较长的音频文件后，输出的结果就开始错乱

[nianjiuhuiyi]

zipformer在处理较长的音频文件后，输出的结果就开始错乱，且是100%复现。

我测试大约在持续检测得到1万1千个token后，就开始出现问题，内容就会开始是：“这就是代码 恃 THOUSAND IBLEIC掠掠QUI PROBLEM轱轱葵葵轱纳纳纳纳纳纳纳唻纳...”。

下面是我的一些测试过程，我未能发现其中的bug，希望有大佬能解决一下。

---

我将zipformer的C++版本改成了类，能提供服务，接收音频文件，返回对应字符串。仅在对象实例化时加载了一次资源，后面接收到上传的音频文件就是直接只进行推理。

1. 第一种尝试：
   • 第一次：上传一个时间长度为16分的，名为01.wav音频文件，能推理返回得到 4090 个字符。这时结果还一切正常。
   • 第二次：上传第一次同样的01.wav文件，能返回 4067 个字符。这时结果也还一切正常。
   • 第三次：继续上传同一个01.wav文件，能返回 4603 个字符。这时结果从索引2701分界，之前都是正常且基本正确，但从索引2701开始，结果就是“恃 THOUSAND IBLEIC掠掠QUI PROBLEM轱轱葵葵轱纳纳纳纳纳纳纳唻纳...”这种的
   • 注：我在重启了服务后，再按上面流程测试了一次，结果一模一样。
2. 第二种尝试：我怀疑是否是什么资源没释放，于是
   • 我先将服务停了，重启。再将01.wav复制了三次，并将其拼接成一个音频文件，上传测试，即只跑一次；
   • 结果：得到 12831 个字符，从索引11049开始得到依旧是“恃 THOUSAND IBLEIC掠掠QUI PROBLEM轱轱葵葵轱纳纳纳纳纳纳纳唻纳”
   • 那么，不是资源没释放，是zipformer在处理一定长度后，就会出现这样的情况。

---

补充：

• 当结果开始出现错乱后，再上传任何音频文件，返回的结果全是这种错乱的，不会再有一部分是正常的情况。
• 接着持续上传更多音频文件后，最终这种错乱的结果都不会返回，直接是返回空字符串(返空可能需要识别很大量的结果后，可能不一定)。
• 一切在重新启动加载后，才变得正常，然后循环这个过程，到一定程度开始出现错乱，再往后就是返回空了。
• 开始错乱的样子：