[Fix] remove the speaker embedding in the llm inputs during instruct fine-tuning

[Shengqiang-Li]

1. 问题：在训练阶段，LLM输入序列中有speaker embedding。在指令微调模型推理时LLM输入序列没有speaker embedding。因此对于指令微调模型而言，训练和推理存在mismatch，效果不理想。
2. 解决方案：LLM增加instruct_finetuning的参数，缺省值为False。当该参数为True时，训练阶段也会去掉LLM输入序列中的speaker embedding，从而保证指令微调模型可以正常训练和推理。