IndexTTS 2.0AMD和N卡整合包

部署IndexTTS2.0时，AMD与N卡用户常被显卡适配难住：N卡需手动调试CUDA环境，AMD要配置ROCm依赖，稍不注意就出兼容报错，新手很容易卡壳。本整合包直接解决这一痛点，已预集成两类显卡对应的驱动适配文件与依赖库，不用分开找资源配置。无论你用AMD还是N卡，解压后按简易指引操作，就能跳过复杂的环境调试，快速启动语音合成功能，既帮新手避坑，也为熟手省时间，大幅降低跨显卡部署门槛。

最新说明

💡 提示：

请检查你的电脑是否满足以下基本条件：

操作系统：Windows 10 / Windows 11。

NVIDIA 显卡/ AMD 显卡 ：请根据你的显卡品牌下载对应的专用整合包，暂不支持：Intel 显卡及 macOS 系统。

无独立显卡用户：不推荐使用。

💡 整合包版本选择提示：

请根据你的显卡类型，下载对应的整合包。

如：AMD 显卡 RX 580/RX5600XT/RX6800XT 等下载 Windows AMD 专用包。

如：NVIDIA 10/20/30/40/50 系显卡 等下载 Windows N 卡专用包。

启动软件教程

💡 小贴士：

看不到 bat 后缀?

请在文件夹窗口顶部的“查看”中选择“显示，再”勾选“文件扩展名”

1、AMD 专用包 软件启动方式

1. 打开你刚刚解压好的整合包文件夹。

2. 找到并双击名为 启动webui.bat的文件来启动软件。

3. ❌请勿点击更新zluda

2、N 卡 专用包 软件启动方式

1. 打开你刚刚解压好的整合包文件夹。

2. 找到并双击名为 启动webui.bat的文件来启动软件。

3、软件启动成功

1. 双击启动后，会弹出一个黑色的命令窗口(我们称之为 “控制台”)并开始加载程序。

2. 注意： 请勿关闭控制台窗口，它是软件的后端服务，关闭即等于退出程序。

3. 稍等片刻后，软件会自动在你的默认浏览器中打开一个网页操作界面(WebUI)。

4. 首次启动需要需要加载 几分钟 的时间，请耐心等待。

生成音频教程

1、上传参考音频

1. 找到界面左侧的【音色参考音频】选项卡，点击上传区域，选择一个音频文件。

2. 参考音频要求：

- 格式：必须是 wav 格式。

- 质量：参考音频的质量直接决定生成效果，请务必使用高质量、无背景噪音的清晰人声。

- 时长：音频时长建议在 5-8 秒 之间，过长或过短都可能影响最终效果。

- 提示：请不要使用此处的录音功能，上传本地文件效果更佳。

2、输入需要合成的文本

1. 找到界面中间的【文本】选项卡，点击输入框，粘贴或输入你想要合成的文字。

2. 文本处理建议：

- 对于较长的文本，建议分段多次合成 ，以保证效果并避免可能出现的“胡言乱语”情况。

3、生成与试听音频

1. 找到并点击界面中间的【生成语音】选项卡

2. 软件开始生成音频，界面右侧的【生成结果】区域会显示处理进度。请耐心等待。

- AMD 版第一次运行请耐心等待 10-30 分钟

- 这个过程的耗时取决于文本长度和你的电脑性能。

1. 生成完成后，结果区域会显示一个音频播放器。点击【播放按钮】即可试听。

4、保存音频

- 所有生成的音频文件会默认保存在index-tts2-zluda-amd\outputs\tasks文件夹

- 或者点击生成结果播放器右侧的【下载图标】，即可将生成的音频文件保存到你的电脑。

使用情感控制方式教程

- 经过我的测试，目前只推荐使用【与音色参考音频相同】选项

1、如何使用情感向量控制

- 找到并点击界面中的【使用情感向量控制】选项卡

1.理解每个滑块的意义

- 界面上显示的“喜”、“怒”、“哀”、“惧”、“厌恶”、“低落”、“惊喜”、“平静”，分别代表八种基础的情感维度。

- 每个滑块下面的数字范围(0 到 1.4)代表该种情感的强度。

- 0 代表完全没有这种情感。

- 数值越大，这种情感表现得就越强烈、越明显。

2.单一情感调整

- 举例： 让我们尝试生成一个纯粹“开心”的声音。

- 操作：

- 找到标有“喜”的滑块。

- 用鼠标左键按住滑块上的圆点，向右拖动。当您拖动时，旁边的数字框会实时变化。您可以先把它拖到 1.0左右。

- 请确保其他所有情感滑块都保持在 0 的位置。这样可以排除其他情感的干扰。

- 现在，去生成您的音频，听一下效果。您会发现声音听起来明显带有愉快、高兴的情绪。

3.复合情感调试

- 举例： 尝试生成一个“担忧”(略带悲伤和恐惧)的声音。

- 操作：

- 首先，将所有滑块重置为0。您可以点击每个滑块右侧数字框旁边的圆形箭头图标，快速将该项重置。

- 找到“哀”的滑块，轻轻向右拖动到一个比较低的值，比如 0.4。

- 再找到“惧”的滑块，也向右拖动到一个较低的值，比如 0.3。

- 保持其他滑块为0，然后生成音频。听一下效果，这个声音会比单纯的“哀”或“惧”更有层次感，传递出一种担惊受怕、略带无助的感觉。

4.精确控制与迭代

- 如果您觉得拖动滑块不够精确，可以直接在滑块旁边的数字框里输入数值。

- 最好的方法是“少量多次”地调整。每次只微调一两个滑块，然后立即生成试听，根据反馈再进行下一步调整，直到您对结果满意为止。

高级生成参数设置

- 新手同学无需调整此区域的任何参数，保持默认即可。

如果对【IndexTTS 2.0整合包的多角色对话功能】感兴趣的，可以跳转查看教程。