声音设计

通过文字描述目标音色，生成对应语音（演示使用浏览器语音引擎模拟）。

合成文本音色描述（如：温柔的女声 / 沉稳的男声 / 活泼的少年音）

语速1.00

音调1.00

情感

声音克隆

上传参考音频，克隆其音色（模拟流程，实际发音仍为浏览器引擎）。

🎤 点击或拖拽上传参考音频（3–10 秒，wav/mp3/m4a）
演示环境仅解析文件信息，不提取音色

克隆文本

克隆强度

语速

极致克隆

少量音频 + 参考文本即可克隆音色（模拟流程）。

参考音频

🎤 上传参考音频（3–10 秒）

参考音频内容（转写文本）

待合成文本

相似度0.90

剧本配音

多角色对话剧本，自动分配说话人并批量生成（模拟流程，按角色顺序播放）。

续写生成

给定前缀文本，模型自动续写并合成为语音（模拟流程）。

前缀文本（模型将在此基础上续写）

续写长度

音色

LoRA 管理

查看与管理音色 LoRA 列表。

LoRA 名称状态操作

lora_温柔女主播_v3已就绪

lora_游戏解说_热血已就绪

lora_纪录片旁白训练中…

lora_电台深夜档已下载

LoRA 训练

用自定义数据集微调音色 LoRA（模拟训练流程）。

数据集目录训练轮数学习率

LoRA 名称基础模型保存格式

IndexTTS 2.0 · 克隆合成

零样本音色克隆引擎（模拟流程）。

参考音频（5–10 秒）

🎤 上传参考音频

合成文本

IndexTTS 2.0 · 情感控制

通过情感标签控制合成语气（模拟流程）。

合成文本

情感

IndexTTS 2.0 · 时长控制

指定目标时长，自动调整语速生成（模拟流程）。

合成文本

目标时长6.0s

dots.tts · 快速克隆

轻量引擎低延迟快速克隆（模拟流程，参考音频 2–5 秒即可）。

参考音频（2–5 秒）

🎤 上传参考音频

合成文本

系统设置

引擎状态与运行参数（模拟信息）。

引擎状态

VoxCPM2 ● 已加载

声音设计 / 克隆 / 剧本配音 / LoRA

VRAM 5.6 GB · FP16

IndexTTS 2.0 ● 已加载

零样本克隆 / 情感 / 时长控制

VRAM 3.2 GB · FP16

dots.tts ● 模拟

轻量快速克隆

VRAM 0.9 GB · INT8

运行参数（模拟）

GPU 后端

采样率

流式输出（SSE）启用

音频水印启用

输出音量85%

OpenAI 兼容 API（模拟）

POST /v1/audio/speech
{ "model": "voxcpm2", "input": "…", "voice": "demo" }
→ 演示环境仅展示接口结构，不提供真实调用

历史记录

全部合成记录，支持搜索、筛选、重播与删除。

音色库

自定义音色管理：保存、应用、收藏与删除（模拟数据）。

新音色名称

音色描述

帮助

使用说明、快捷键与常见问题。

快速上手

1️⃣ 声音设计：输入文本 → 调整语速/音调/情感 → 合成试听
2️⃣ 声音克隆：上传 3–10 秒参考音频 → 输入文本 → 克隆合成
3️⃣ 剧本配音：添加多角色台词 → 开始配音 → 按顺序播放全部
4️⃣ 音色库：把满意的音色描述保存下来，随时应用

快捷键

Ctrl + K命令面板

Esc关闭弹层 / 抽屉

常见问题

为什么播放的是系统声音而不是克隆音色？▾

支持的音频格式？▾

剧本配音支持多少角色？▾