IndexTTS2.5 语音克隆 + 数字人工作流（云端）

B站开源的语音克隆模型 IndexTTS2.5，支持情感克隆，本次镜像已与 ComfyUI 打通，可直接用于制作数字人对口型视频。

📦 镜像已更新：新增 Viggle 角色替换、VDN 加速、去模糊加速、二采放大、light2v LoRA 数字人等最新工作流，全部整合进同一个云端镜像，详见文末「新增工作流」章节。

新版特性

• 新增支持：日语、西班牙语、阿拉伯语（此前 IndexTTS2 仅支持中文）
• 情感克隆效果出色，语气和情感还原度高
• 中文合成能力延续了 IndexTTS 系列一贯的高水准

环境要求

• GPU：3090 即可完全带动（配合 LoRA 及其他优化后，无需更高配置）
• 3080 Ti 12G 理论上也可尝试，但作者未实测，能否带动需自行验证
• 平台：云端镜像已集成 Web UI + ComfyUI，所有近期工作流均已整合进同一镜像

快速开始（云端）

# 1. 部署 3090 实例
# 2. 打开 Jupyter Lab
# 3. 复制粘贴 Config 启动指令并运行
# 4. 复制粘贴 IndexTTS Web UI 启动指令并运行
# 5. 分别打开 Web UI 和 ComfyUI

使用流程

Step 1 — 语音克隆（Web UI）

1. 打开官方 Web UI，可先点击示例试听效果
2. 上传参考音频（作为音色 + 情感来源）
3. 输入要合成的文本
4. 点击生成，克隆语音

情感控制三种模式：

模式	说明	推荐度
参考音频（默认）	用同一段参考音频同时作为音色和情感参考	⭐ 推荐
独立情感音频	单独上传一段音频专门作为情感参考	可选
情感矢量	手动调整开心/生气/惊讶/冷静等参数数值	可选，较繁琐

文本情感控制： 界面还提供了实验性的文本控制情感功能，效果一般，不推荐使用。

语速调整（Duration）：

• 数值 <1（如 0.5）→ 加速
• 数值 >1（如 2）→ 减速
• 示例：12 秒音频设为 0.5 倍速后变为 6 秒

语言选择： 二次元相关内容常用日语；数字人内容常用中文。

Step 2 — 获取合成结果

1. 合成完成后，文件保存在 output 文件夹
2. 下载到本地（推荐），或直接移动到 Config 目录供 ComfyUI 调用

Step 3 — ComfyUI 数字人 / 视频生成

打开 Config UI 后可使用以下工作流：

工作流	用途
长时长视频	使用 Context Motion 节点，可生成 1 分钟以上长视频
数字人对口型	基于 vrgame 节点，上传参考图 + 克隆音频，自动生成对口型视频

数字人工作流操作：

1. 提示词保持简单，如"图一的女人说话"
2. 上传克隆好的音频
3. 上传参考图片
4. 设置时长
5. 设置宽高比 / 分辨率（与原始 H3 参数一致，推荐 0.9 或 1）

⚠️ 如遇到节点报错提示 Catch 相关节点：直接删除即可，现在已用 LoRA 替代，无需该节点

也可用同样流程做图生视频 / 文生视频，上传克隆音频后可自由组合，制作各类视频内容。

新增工作流（镜像已整合）

打开 Config 后，点击 workflow 侧栏即可看到全部新增工作流。

Viggle 角色替换

专门用于视频角色替换（基于全量微调，效果不错），官方文档详细讲解了长视频替换的接法。

使用方式：

• 输入非常简单：只需 image + 视频，无提示词输入，默认自动放大
• 所需节点在 Config 内可直接安装

⚠️ 重要限制：Viggle 不支持真人转二次元替换 —— 作者实测：真人视频用二次元角色替换会直接输出原视频，不生效。

真人 → 二次元角色替换怎么办？ 改用「多参考生图 + 二采放大」工作流：

1. 把 REF video 节点拉出来
2. 添加一个 Load Video 节点
3. 上传视频即可

也可以直接用第一个演示工作流（三人替换案例），按 Ctrl+B 关掉多余部分即可做单图视频替换。该视频同时可作为深度图等其他用途的参考。

长视频替换： 在普通工作流末尾接入 Window Condition + Chunk Simple 节点即可实现连续生成，具体接法参考 Viggle 官方文档。

VDN 加速

一种新的混合注意力加速方式，目标是在提速的同时尽量保持原模型画质。

⚠️ 官方测试基于 B200 显卡；显存/内存紧张的机器（如 3090）用这个加速达不到官方演示效果，不建议使用 作者实测后感觉效果一般，跟此前的加速方案（Sage/SOL/H3 Cache）相比区别不大

其他新增节点

• 去模糊加速（Deblur）
• 二采放大（多采放大 / Latent 二次采样）
• light2v LoRA 数字人 — 最新数字人 LoRA，效果进一步优化

以上工作流均已加入云端镜像，本地带不起的可以直接用云端体验。

说明

• 云端镜像已一键打包好 Web UI + ComfyUI + 全部近期工作流，打开即可使用
• 本地使用需自行安装部署，或查找社区整合包