怎么做文本对齐呢？

[smileboywtu]

我想生成音频的时候同时可以返回对应字符的时间戳，方便后期制作 srt 使用，这个好像没看到不知道如何实现，之前 azure 有这个功能，还挺好用的，这个 model 可以实现吗

[a710128]

这个一般可以用一个打时间戳的模型去做后处理，比如 sensevoice 或者 qwen3-aligner