镜像简介

本镜像基于 Web-TTS 项目构建，提供开箱即用的 多角色AI配音 解决方案。

• 功能： 支持导入小说/剧本自动解析角色，集成 Qwen3-TTS 、 IndexTTs2等顶级模型进行多角色分轨配音，自动生成SRT字幕，支持单句音频批量打包下载。
• 特点： 预装 PyTorch 2.10 + CUDA 12.8 深度学习环境，内置 WebUI 可视化界面，无需繁琐配置，启动即用，特别适合自媒体视频制作、广播剧生成等场景。

环境与依赖

本镜像已预置项目运行所需的完整环境：

• 框架及版本： PyTorch 2.10.0+cu128
• CUDA版本： CUDA 12.8
• 其他依赖： Python 3.10, Gradio 6.4.0, FFmpeg, Transformers 4.57.3

配置方法

方法一

1.创建实例

2.选择合适的机型，立即部署

3.返回实例页面，点击以下按钮,即可进入操作页面

操作页面截图

方法二

1. 启动服务 进入实例终端（Terminal），执行以下命令启动 WebUI：

   python webui.py
   

2. 访问界面 等待终端显示 Running on local URL: http://0.0.0.0:7860 后，点击平台提供的 API/Web链接 （或通过公网IP+端口）即可打开操作界面。

环境验证代码

您可以在终端输入以下命令，验证 GPU 环境及核心库是否加载正常：

python -c "import torch; print
(f'Torch: {torch.__version__}, 
CUDA: {torch.version.cuda}, GPU: 
{torch.cuda.is_available()}')"

预期输出：显示 Torch 2.10.0+cu128 及 GPU 为 True

常见问题

Q1：启动后无法访问网页怎么办？ A1： 请确保云平台已开放 7860 端口（TCP），或在启动时开启共享链接： python webui.py --share 。

Q2：生成长音频时显存不足（OOM）？ A2： 多角色配音对显存有一定要求，建议使用 24GB 显存以上的 GPU 实例（如 RTX 3090/4090）。如遇显存不足，请尝试缩短单次生成的文本长度。

Q3：如何下载生成的音频？ A3： WebUI 界面底部提供了完整的音频播放器和下载按钮；勾选“保存每句音频并打包”后，还可下载包含所有分句素材的 ZIP 包。