IndexTTS2.5最强AI音频工作台

使用教程

1. 打开工作台

启动实例后，打开平台提供的 9000 端口访问地址。页面显示启动提示时，请等待环境检查完成，随后进入工作台。 首次生成需要加载模型，耗时较长，后续使用相同模型生成会更快。

2. 克隆配音

1. 在左侧选择 克隆配音。
2. 说话人模型选择 默认，或选择已训练的音色模型。
3. 从音色库选择参考音频，也可以上传或录制音频。建议使用约 10 秒、单人说话、无背景音乐的清晰素材。
4. 输入需要配音的文字，选择对应语言。
5. 根据需要调整语速、情感、分段停顿等参数，首次使用建议保持默认。
6. 点击 生成语音，完成后在「生成的声音」区域试听、下载。

上传的参考音频可以保存为常用音色，方便下次直接选择。

3. 调整情感

在「情感控制方式」中选择：

• 与音色参考音频相同：使用参考声音中的情感。
• 使用情感参考音频：上传或选择另一段音频作为情感参考。
• 使用情感向量控制：调整喜悦、愤怒、悲伤等情感强度。
• 使用情感描述文本控制：输入情感描述，例如“温柔、平静地讲述故事”。

4. 批量生成

勾选 批量生成，使用空行分隔文本，每段会生成一个独立音频：

欢迎来到知元AI音频工作台。

这是第二段需要生成的配音内容。

感谢收听，我们下期再见。

点击生成后，任务依次执行。可在顶部 任务中心 查看进度，请勿重复点击提交。

5. 多角色配音

进入 多角色配音，按以下格式填写文本：

[小知]: 欢迎来到我们的音频工作台。
[小元]: 我们可以使用不同的声音进行对话。

在角色设置中填写相同的角色名，为每个角色选择参考音色，然后生成对话音频。

6. 字幕配音

进入 字幕配音，上传 .srt 字幕文件，选择音色并生成。程序会逐条生成语音，对齐字幕时间轴。

7. 音色训练

进入 音色训练，按照页面顺序完成：

输入中文名称 → 上传素材 → 音频切分 → 识别转录 → 检查文本 → 提取特征 → 开始训练。

训练完成后，返回克隆配音页面，刷新说话人模型列表，选择对应名称使用。

8. 查看与下载作品

进入 生成结果，搜索或选择作品，查看配音文本、试听并下载音频。启用中文字幕生成后，可在输出目录中找到对应字幕文件。

顶部 系统状态 可查看 CPU、内存、GPU 和显存占用情况。