diff --git a/GPT_SoVITS/AR/models/t2s_model.py b/GPT_SoVITS/AR/models/t2s_model.py
index c8964823..89eb3d0e 100644
--- a/GPT_SoVITS/AR/models/t2s_model.py
+++ b/GPT_SoVITS/AR/models/t2s_model.py
@@ -901,7 +901,10 @@ class Text2SemanticDecoder(nn.Module):
             .view(bsz, self.num_head, src_len, src_len)
             .to(device=x.device, dtype=torch.bool)
         )
-
+        bad_tokens_list = [809, 207,411,679,676,25,23,7]
+        bad_tokens = torch.tensor(bad_tokens_list, device=x.device, dtype=torch.long)
+        last_2_token = 0
+        repeat_count = 0
         for idx in tqdm(range(1500)):
             if xy_attn_mask is not None:
                 xy_dec, k_cache, v_cache = self.t2s_transformer.process_prompt(xy_pos, xy_attn_mask, None)
@@ -914,7 +917,30 @@ class Text2SemanticDecoder(nn.Module):
                 xy_attn_mask = None
             if idx < 11:  ###至少预测出10个token不然不给停止（0.4s）
                 logits = logits[:, :-1]
+            # 1. 获取上一步生成的 token
+            last_token = y[:, -1]
 
+            # 2. 检查对于批次中的每个序列，其上一步生成的token是否已经重复，如果重复，降低选中概率
+            # is_last_token_bad 的形状是 [batch_size], dtype=torch.bool
+            is_last_token_bad = torch.isin(last_token, bad_tokens)
+            if last_token == last_2_token:
+                repeat_count += 1
+                if 0 < logits[:, last_2_token] < 35:
+                    logits[:, last_2_token] *=  0.618**repeat_count
+                elif logits[:, last_2_token] < 0:
+                    logits[:, last_2_token] *=  1.414**repeat_count
+                elif logits[:, last_2_token] >= 35:
+                    logits[:, last_2_token] *= 0
+                else:
+                    logits[:, last_2_token] = -float('inf')
+            else:
+                repeat_count = 0
+            last_2_token = last_token
+            # 3. 如果某个序列的上一个token是恶性token，则在这一步的logits中，
+            #    将所有恶性token的概率都设为-inf，以禁止选择它们。
+            #    我们使用高级索引(advanced indexing)来只修改需要修改的行。
+            if is_last_token_bad.any():
+                logits[is_last_token_bad, bad_tokens] = -float('inf')
             samples = sample(
                 logits, y, top_k=top_k, top_p=top_p, repetition_penalty=repetition_penalty, temperature=temperature
             )[0]