IndexTTS2.0版本VLLM加速版雨落版整合包V3版本使用说明

B站开源的IndexTTS2.0整合包说明，把开源模型转换为生产力工具的强力整合包，功能支持非常丰富。

支持创作类型

支持创作类型有:
1.单个语音条创作，对应到UI的"单条数据模式"。
2.有声书、读小说等创作，对应到"单角色批量文本模式“。
3.AI短剧、创意视频，对应到"多角色剧本模式"。
4.如果想更加复杂的定制，也可以使用"批量Excel模式"。

另外还支持了两个常见的创作诉求:
1.从视频中提取音频。
2.转换音频格式。
由于页面和功能较多，如果对部分使用细节不清楚的，到微信群内咨询:

下面会对主要环节进行说明，如果有不清楚的地方可以去群内追问，我会定期完善这个帮助文档~

使用教程

如何选择机器型号

这里仅对三款旗舰级显卡做了性能测试，具体请大家根据效果和费用自行选择。
这里仅以500字的小说作为测试用例，测试的性能数据如下:
RTX5090的RTF约为: 0.2534
RTX4090的RTF约为: 0.3531
RTX3090的RTF约为: 0.4098
更具体的数据评测参考(包含测试数据和详情内容):
https://wcnn68ei31q6.feishu.cn/wiki/MXBow7PGuiKaGykfgJWcFC2Ln8g

使用一: 如何启动

首先在镜像社区找到对应的镜像，并且选择合适的显卡，如下:

在配置好镜像之后，点击这里的"启动"就可以了。

然后会进入到初始化的模式

然后就可以点击下面的"IndexTTS2 WebUI"来进入对应界面了

初始化过程会有一丢丢慢，但是最多五分钟肯定也够用了，如果还无法进入，请去最后一项问题排查页面。正常进入页面后会有如下效果:

问题排查(一般用不到):

初次使用可能会遇到一些问题，所以这里把问题排查方式写出来，首先在实例列表页面选择对应的实例，然后点击"JupyterLab"进入，如下操作: 进入之后可以双击log.txt查看运行日志，如下:

英文看不懂也没关系，可以去客服群里问下。

虽然这个页面是很简单易用的，但是为了避免使用上的问题，我还是要做一个具体的说明。

单条数据使用: 最佳实践

对于生成的语音文件的下载，这里为了保证万无一失，提供了两种方案，如下: 对于字幕、停顿、语速和音量，说明如下:

单音色克隆模式: 最佳实践

这里是支持多文件上传的，默认的生成结果里面每个txt文件对应到一个wav文件

注意: 为了防止意外情况，txt文件默认应该使用utf-8编码。
如果出现了乱码识别不了的情况，可以使用像Notepad++、UltraEditor、Sublime Text等文本编辑器，可以调整字符集格式。

多音色剧本模式: 最佳实践

一般来说一个场景里面，设置4个角色是够用的，毕竟角色太多了观众也会乱。 但是为了兼容复杂场景，这里设置到最多支持10个角色。

在文本内容里，情感(或者叫情绪)是可选的，如下:

Excel上传模式: 最佳实践

Excel的模板地址: https://pan.quark.cn/s/6584cfacc341 (注意跟之前版本有区别)

特别注意的是，Excel中需要指定音色文件默认是没有存储的，这个时候就需要在实例列表页面中通过JupyterLab进行音色文件的上传了。
第一步，在容器列表页面，点击JupyterLab然后进入，操作范例:

第二步，在JupyterLab中，进入到resources下面的prompt_audio中，操作范例:

首先点击进入到resources，如下:

然后再点击进入到prompt_audio，如下:

最后点击这个按钮开始上传wav文件，如下:

其他问题？

问题1: 如果当时没有来得及下载，就刷新页面了，内容还在吗？

答案: 是还在的，在JupyterLab里面的outputs里面。(前面已经讲过两次如何进入JupyterLab了，这里不再讲了)。
可以点击这里进入到outputs里面，如下: 然后就可以看到我们以前生成的文件了:

问题2: 使用完怎么退出呢？

注意: 首先对于一般使用者来说，推荐按量计费。 使用完后一定要关机(不然可能会持续扣费)，而且实例默认保持十天。

如果在使用的过程中遇到了其他问题，可以去UP的主页里面反馈，后续可能会继续优化。