sovits的一些疑惑

目前版本4.1，家用1660s速度太慢，用云端训练的。想问一下loss值真的不重要吗？目前自己从抠的数据集，大概70多分钟，裁剪5-15s，训练的时候loss总在30和40之间，训练三四万步，最好的也才29左右- -，config设置的学习率0.0001，bs 12。试推理的时候带上了浅扩散和聚类模型，出来的音频感觉还是有点怪怪的，是原始数据集不够好吗？数据集没有歌声文件，基本都是说话的干声，AU去除了大部分呼吸声以及匹配了响度QAQ，有大佬解答一下吗