镜像名称

LongCat-AudioDiT 剧本创作台（LongCat-AudioDiT WebUI版）

镜像简介

本镜像专为LongCat-AudioDiT模型打造，集成可视化WebUI界面，无需复杂部署即可实现语音克隆、多角色剧本音频生成、长文本自动切分等功能，适配本地部署，开源免费且易用性强。

• 功能： 这个镜像主要用于AI语音克隆、多角色对话音频合成、长文本语音生成，支持音色库管理、剧本队列编排，可快速实现方言及多角色语音生成，适配小白用户及二次开发。

• 特点： 预装LongCat-AudioDiT（1B/3.5B）模型、Whisper转写模型及WebUI全部依赖，模块化架构配中文注释，本地部署后可直接使用，支持显存优化，一键启动可视化界面。

环境与依赖

本镜像构建和运行所需的基础环境。

• 框架及版本： (例如：PyTorch 2.0.1)
• CUDA版本： (例如：CUDA 11.8)
• 其他依赖： (例如：Python 3.10, GCC 7.5)

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

操作界面截图

环境验证代码

提供一段简单的代码或命令，以验证环境是否配置成功。

方法二

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

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。

常见问题

Q1： 启动WebUI后，无法加载LongCat模型或显存不足怎么办？

A1： 请确认本地NVIDIA显卡显存≥8G，启动容器时添加--gpus all参数；若显存不足，可切换至1B模型，或关闭其他占用显存的程序。

Q2： 上传参考音频后，自动转写功能失效怎么办？

A2：请确保参考音频为.wav格式且时长≤7秒，口音过重时可手动输入参考文本；若仍失效，可重启容器重新加载Whisper模型。

Q3： 剧本队列合成后，音频无法试听或下载怎么办？

A3： 检查容器端口映射是否正常（确保7860端口未被占用），若仍异常，可重新启动容器，或查看容器日志排查错误。