今夕版在线indextts2使用图文教学 克隆声音 情感控制 LLM接入 剧本整理 多人交谈 多人小说配音生成 多音字控制教程

如果你想用今夕版在线 IndexTTS2 完成声音克隆、情感控制、LLM 接入、剧本整理，以及多人对话和多人小说配音生成，这篇图文教程可以直接带你从头走完整个流程。

本文会按照实际操作顺序，依次说明语音克隆、情感控制、DeepSeek 接入、剧本整理、剧本工坊、多人配音、多音字控制、试听与成品导出等功能。只要部署已经完成，照着下面的步骤操作，就可以较快跑通从文本整理到多人配音生成的完整流程。

1. 语音克隆功能使用图文教学

1.1 部署完成后，先点击 GPU 容器实例，界面如下图。

1.2 进入后，看右侧这两个菜单。主要操作入口是图中鼠标所指的 WebUI 主控台，点击后进入主要操作台。

1.3 这时会弹出操作网页。系统自带了不少音色，如果你想直接使用音色库中的音色合成音频，只需要在左下角选择音色，并在页面底部填写需要合成的文本即可。如果你想上传自己的参考音频，可以点击图中箭头所指的按钮，取消使用音色库音频。

1.4 点击后会出现上传按钮，如下图。这时你可以上传参考音频，并填写克隆文本，同时决定是否生成字幕文件，以及是否将该音频保存到在线音色库中。如果要保存到音色库，需要补充音色名称。

1.5 最后点击生成按钮，即可得到所需音频。生成完成后，点击箭头所指位置，可以分别下载音频文件和字幕文件。

2. 情感控制功能使用说明

情感控制的整体操作流程和步骤 1 基本一致，只是需要额外进入情感控制面板。如下图所示，先选择情感控制方式，再切换回语音合成页面，点击合成即可得到带情绪变化的声音效果。

细心一点可以发现，这里一共提供了四种情感控制方式。建议都试一遍，找到更适合自己项目的模式。需要注意的是，这里的情感控制带有一定修正逻辑，所以有时情绪变化不会特别强烈。

如果你想要更明显的情绪表现，可以进入剧本工坊，把情绪强度模式切换为 加强。这个模式不做情感修正，表现会更直接。

3. 接入 LLM 大模型实现功能增强

今夕版在线 IndexTTS2 中有不少功能都依赖大模型支持，比较推荐接入 DeepSeek。虽然系统也自带 LLM，但实际表现相对一般，作为主力使用并不理想，因此更建议接入外部模型服务。

这里先简单说明一下界面中提到的功能逻辑：

当前已接入外接 LLM 的位置包括：台词情绪自动匹配、角色音色匹配模式、剧本整理、字幕整理。

当前已接入内置本地模型 / 本地 Qwen 的位置包括：台词情绪自动匹配、角色音色匹配模式、剧本整理、字幕整理。

当你把台词情绪自动匹配设置为自带 LLM 匹配时，点击分析台词情绪，程序会直接调用内置 QwenEmotion；如果设置为深度模式，则会调用你配置的外接 LLM。角色音色自动匹配、剧本整理和字幕整理也是同理。

系统目前已经内置了 DeepSeek、Moonshot、硅基流动、OpenRouter、Ollama 等常见预设；如果你直接粘贴这些服务的常用接口地址，页面通常也能自动识别。

3.1 先进入 DeepSeek 官方平台，并选择 API 开放平台。

https://www.deepseek.com/

3.2 确认账户中是否有余额。如果没有，需要先充值。通常充值 1 元就能使用很久，有余额的话可以直接跳过这一步。

3.3 充值时需要选择自定义金额，这样才能充值 1 元。

3.4 接着创建 API Key。点击左侧的 API keys 菜单，然后在右侧页面中选择创建 API Key，名称可以随意填写。

3.5 API Key 生成后，先保存到本地，同时复制到配音平台的 LLM 管理界面。注意，这个窗口关闭后通常无法再次查看原始 Key，只能删除后重新生成。

3.6 回到配音平台，点击 LLM 管理，服务类型选择 DeepSeek，然后把 API Key 粘贴到图中箭头所指的位置。

3.7 最后点击测试连接，确认没有问题后再保存配置。

4. 剧本整理功能使用方法

剧本整理的作用，是把普通小说文本整理成剧本中心可以直接支持的格式。这个功能依赖 LLM，如果还没有完成配置，请先返回步骤 3 完成设置。

点击剧本整理后，可以上传小说原文，或者直接粘贴到下方文本框中。然后选择整理方式，这里更推荐使用 全文外接 LLM 整理 或 在线整理。推荐星级越高，通常越值得优先尝试。下面以全文外接 LLM 整理为例。

4.1 上传文本并选好模式后，点击执行整理即可。

4.2 整理完成后，可以把整理后的剧本和原文进行对比。确认没问题后，点击 送进剧本工坊，就可以继续下一步的多人配音流程。

5. 剧本工坊与多人对话配音功能

5.1 先看一下剧本工坊界面。这里的设置项比较多，后续可以自行慢慢研究。一般来说，专家模式对应的是外接 LLM，例如 DeepSeek；自带 LLM 则是内置小模型，智能水平相对低一些，不建议当作主力使用。新手阶段大多数设置保持默认即可。

5.2 接下来是绑定音色。系统会自动识别出多个角色，你可以手动为每个角色逐一绑定音色。

如果需要上传自己的音色，可以切换到音色库界面进行上传。如果想使用自动匹配功能，需要先在音色库中给上传的音色打标签，例如男、女、年轻、成熟等。自动匹配会根据这些标签分配更合适的角色音色。

5.3 绑定完成后会显示如下图。如果你选择的是自动匹配方式，需要点击 应用匹配结果，绑定才会正式生效。

5.4 音色绑定完成后，就可以分析情绪了。点击 分析台词情绪 按钮进行匹配。需要注意的是，如果你使用的是五星推荐的匹配方式，有些模式本身可以继承情绪，这一步可以视情况跳过。

5.5 情绪分析完成后，下拉到专家模式工作台。这里可以单句生成，也可以批量逐句生成，同时支持前插台词、后插台词等操作。

5.6 如果某句台词归属角色不对，也可以手动修改台词对应角色。

5.7 如果需要进一步调整情绪，可以修改情绪强度和情绪模式。这里的 加强模式，就是不做修正的情感控制方式，整体表现会更直接。

5.8 下面说一下插入台词和多音字控制。

先插入一行台词。比如下面这个例子里有两个“倒”字，它们的读音分别是三声和四声，这时就需要手动做读音控制。

处理方式也很简单，直接按下图这样为多音字标注读音，就可以实现多音字控制。

5.9 试听功能也需要说明一下。这个功能目前有一点小问题：如果音频生成完后，点击“从第一句开始试听”，实际播放的可能不是第一句。

更稳妥的处理方法是：先停止试听，然后上拉到第一行，在第一行操作区域点击试听，再点击“从当前句开始试听”。这样通常更准确。

5.10 所有台词生成满意之后，就可以开始拼接音频。需要注意的是，所有台词都必须先被标记为满意，系统才允许最终合成。

操作方式如图所示，先点击 全部标记满意，再点击 全部拼接导出。然后下拉到页面底部，稍等一会儿，结果就会显示出来。

5.11 最后点击箭头所指位置，分别下载成品音频文件和字幕文件，到这里一次完整的多人配音流程就完成了。