AudioX 统一音频生成平台通过一段提示词一段视频推理一段配音音效 webui汉化构建by科哥

镜像简介

本镜像提供AudioX统一音频生成平台的汉化WebUI界面，支持通过文字提示词或输入视频智能生成匹配的配音、音效与背景音乐。推荐30/40系列显卡运行，适用于短视频制作、影视后期、广告配音及多媒体内容创作等场景，为用户提供高效、便捷的一站式AI音效生成解决方案。

镜像使用指南

1、该镜像支持自启动，初始化后，需要等待服务启动，大概2分钟左右，可以输入命令 tail -50f /root/wan/log.txt 查看启动日志 2、随后点击 SD-WEBUI 按钮即可，上传音色文件或者选择音色，点击生成即可

---

运行截图：

---

用户使用手册（AudioX WebUI）

1. 你可以做什么

本页面用于统一音频生成，支持以下常见任务：

• 文本到音效（如键盘声、海浪声、脚步声）
• 文本到音乐（如管弦乐、电子乐、Lo-fi）
• 基于视频条件生成音频（可输入视频路径或上传视频）

---

2. 页面区域说明

2.1 顶部信息区

• 标题：AudioX 统一音频生成平台
• 副标题：版权与联系信息

2.2 输入区

• 提示词：描述你想生成的声音/音乐（核心输入）
• 视频路径：本地视频文件路径（可选）
• 上传视频文件：直接上传视频（可选）
• 上传音频提示文件 / 音频提示路径：用于特定条件输入（默认隐藏）

2.3 参数区

• 视频参数
  • 视频起始秒：从视频第几秒开始读取条件
  • 生成时长（秒）：生成音频的时长
• 采样参数
  • 采样步数：越大通常细节更多，但推理更重
  • 预览间隔：中间预览频率（0 表示关闭）
  • CFG 强度：文本约束强度
  • 随机种子（-1 为随机）：固定种子可复现结果
  • 采样器类型：采样算法选择
  • Sigma 最小值 / 最大值、CFG 重缩放：高级采样控制
• 初始音频（默认隐藏）：用于在已有音频基础上继续生成

2.4 操作与结果区

• 开始生成：执行生成
• 输出视频：展示合成后视频（如有）
• 输出音频：展示生成结果音频
• 发送到初始音频：把当前输出送回“初始音频”继续迭代

2.5 示例区（默认展开）

• 点击 加载示例 可自动填入提示词和推荐参数，快速体验

---

3. 标准使用流程（推荐）

1. 在 提示词 输入你想要的声音描述（尽量具体）。
2. 按需设置：
   • 纯文本生成：可不填视频
   • 视频条件生成：填写 视频路径 或上传视频
3. 先用默认参数直接点 开始生成。
4. 根据结果微调：
   • 不够贴合描述：适当提高 CFG 强度
   • 细节不足：提高 采样步数
   • 想复现当前结果：记录并固定 随机种子

---

4. 提示词编写建议

• 建议结构：声音主体 + 场景 + 节奏/情绪 + 质感
• 示例：
  • 雨夜街道上的脚步声，近距离，带轻微回声
  • 轻快电子舞曲，128bpm，明亮合成器，适合派对
  • 梦幻Lo-fi，低保真黑胶噪声，舒缓氛围

---

5. 常见问题

5.1 点击开始生成后没有结果

• 先检查提示词是否为空
• 检查视频路径是否有效（若使用了视频条件）
• 先用示例按钮验证流程是否正常

5.2 结果不稳定、每次都不同

• 将 随机种子 从 -1 改成固定数字

5.3 结果与预期偏差较大

• 增加提示词细节
• 调整 CFG 强度 和 采样步数
• 尝试更换 采样器类型

5.4 视频相关输入无效

• 优先使用上传方式测试
• 使用路径时确保文件存在且可读

---

6. 最佳实践

• 第一次先用默认参数跑通，再逐项微调。
• 每次只改 1~2 个参数，便于判断影响。
• 对满意结果记录：提示词、种子、采样器、步数，便于复现。

bug反馈可以加入科哥专属群交流➕ 广告勿进！​

​

科哥在UCloud镜像列表【不断更新中】：

• https://kege-aigc.feishu.cn/docx/L3FVdQl7kom8Ckx7QiicQj2VnEd