VP
VoicePrint Studio
上传一段声音，克隆成你的音色；上传一张自拍，生成你的 AI 画像
检测中…
1 · 上传参考音频
5～30 秒干净人声最佳。只要你一个人的声音，环境安静、不要有音乐和混响。
点击选择 或拖入音频文件
2 · 我的音色库
还没有音色，先在左边克隆一个
3 · 合成语音
1 · 上传自拍
正脸、光线均匀、无遮挡、不戴墨镜。分辨率 512px 以上，jpg/png 均可。
点击选择 或拖入照片
2 · 风格预设
点一下套用风格，点第二下可再微调描述。
3 · 生成结果
还没有生成过，选好风格点上面的按钮
音色引擎
画像引擎
怎么让引擎可用
最省事：配置云端 API Key（推荐）
复制项目根目录的 .env.example 为 .env，填入任意一个 Key：
ELEVENLABS_API_KEY— 音质最好，海外可直连DASHSCOPE_API_KEY— 阿里云百炼，中文最佳，顺带能用通义万相做画像MINIMAX_API_KEY+MINIMAX_GROUP_ID— 国内另一选择
完全离线免费：本地部署
- 声音：CosyVoice2 /
GPT-SoVITS /
IndexTTS-2 / OpenVoice，实现
POST /tts后填COSYVOICE_BASE_URL - 画像：ComfyUI + InstantID / PuLID 工作流，
在 ComfyUI 里勾选 Save API Format 导出 JSON，放到
data/engines/comfyui.json
什么都不配也能用
画像会退到本地 Pillow 风格化（传统修图质感，秒出）；音色克隆必须有一个语音引擎可用。