声音复刻使用指南¶

本页描述当前 Speakr / ChatVoice 声音工作室的 生成声音 统一面板：系统音色和 我的复刻声音 在同一个音色选择列表里勾选，共用同一个文本框，生成临时试听音频。

当前定位¶

这是一个一次性 voice cloning 流程：参考音频 + 新文本 -> 本次生成音频。
需要登录账号；访客模式不能生成复刻音频。
不保存 voice profile，不创建可复用 voice id。
不保存生成历史；结果只作为临时任务文件，用于当前页面试听/下载。
同一会话内，已上传的参考音频会保留，可以反复改文本、反复用同一把复刻声音生成，直到离开页面。
会议记录页仍不保存原始会议录音；声音复刻的参考音频和输出音频是独立的临时任务文件。

适用场景¶

你可以用它完成一个完整的 Voice Cloning 验收：

录一段自己的声音或上传一段授权参考音频；
在同一个音色列表里勾选 我的复刻声音；
输入希望这个声音重新说出的新文本；
点击 用复刻声音生成；
等待进度条显示生成状态；
在试听结果里播放生成音频，并和参考音频做听感对比；
不改参考音频，再换一段文本生成第二次，验证同一会话内可以复用复刻声音；
如需带走当前结果，点击下载生成音频。

网页端使用步骤¶

打开 Speakr 公网页面。

https://speakr.public.wzhecnu.cn/

选择 登录账号 并登录受邀账号。

声音复刻会上传参考音频到本地 VoiceClone sidecar 生成临时任务，因此必须使用账号会话。访客模式下点击生成会提示先登录。

进入顶部 声音工作室。
在 选择音色 里勾选一个声音卡片：
龙安灵心 / 龙安鲁风：系统内置音色，做普通 TTS；
我的复刻声音：使用你自己上传或录制的参考音频做本地复刻，卡片会显示当前参考音频状态。

所有声音卡片在同一个列表里，共用下面同一个文本框。如果服务器没有配置模型 Key，页面会提示 系统音色未配置模型 Key…暂不可用 且系统音色生成按钮禁用；这不影响 我的复刻声音。

如果选择 我的复刻声音，在复刻区域准备参考音频：
点击 参考音频（10–20 秒干净人声） 上传 WAV/MP3/WebM 等浏览器可选音频文件；或
点击 录参考音，授权麦克风后录制 10–20 秒。

推荐参考音频：单人、干净、无背景音乐、无混响，10–20 秒即可。

选择语言和语速。

当前常用验收路径为：语言中文，语速正常。

勾选授权确认。

必须确认已获得声音本人授权，仅用于本会话生成与试听。未勾选时点击生成会提示授权缺失。

在共享文本框里输入希望这个声音说出的新文本。

文本框默认已经预填一段示例文本，可以直接点生成调试，也可以改成自己的内容。这里不是参考音频的转写内容，而是希望复刻声音重新说出的目标文本。建议先用 1–3 句中文短文本验收，再尝试更长文案。

点击 用复刻声音生成。

页面会显示进度条：

提交中：ChatVoice 正在把文本和参考音频发给本地 sidecar；
generating · 预计 ...s：IndexTTS-2.5 正在生成；
生成完成：音频已返回页面。
在 试听结果 区域播放或下载。

生成成功后，结果区会显示：
- 音频播放器；
- VoiceClone · indextts；
- 文件大小；
- 下载生成音频 按钮。
（可选）复用复刻声音：保持来源仍是 我的复刻声音，把文本框内容改成新文本，再次点击生成。参考音频不用重新上传。

验收标准¶

一次完整验收应同时满足：

登录账号后可以进入 声音工作室；
/api/voice-clone/status 返回 configured=true、status=ready、engine=indextts；
统一面板的 选择音色 列表同时包含系统音色（龙安灵心 / 龙安鲁风）和 我的复刻声音，三张卡片可勾选切换，共用同一个文本框；
参考音频上传后复刻卡片状态显示文件名，且标注本会话可复用；
系统音色未配置模型 Key 时显示提示并禁用生成按钮，/api/tts 返回 503 而不是 500；
未满足登录/参考音频/授权/文本任一前置条件时，点击生成有明确提示，不是无响应；
点击生成后出现进度条，能看到 生成中… 或 generating 状态；
生成完成后 试听结果 出现播放器；
切到系统音色再切回 我的复刻声音，参考音频不丢失；换文本再点生成可以再次生成（复刻声音本会话内可复用）；
播放器可以播放，下载按钮存在；
浏览器 console 没有 JS error。

已完成的 hitk 公网验收¶

2026-08-22 在公网页面完成过多轮端到端验收。

第一轮（拆分卡片版）：

页面：https://speakr.public.wzhecnu.cn/?preview=voiceclone-acceptance-guide
登录：临时验收账号，验收后删除。
参考音频：voice_01-reference.wav，约 467 KB。
目标文本：一段中文新文本，用于让参考声音重新说出。
进度状态：页面显示 generating · 预计 45s，进度条约 45%。
生成结果：VoiceClone · indextts，约 1.5 MB，约 35.5 秒。
播放验证：点击播放器后 paused=false、readyState=4。
Console：无 JS error。

第二轮（统一面板 radio 版）：

页面：https://speakr.public.wzhecnu.cn/?preview=voiceclone-unified-panel
登录：临时验收账号，验收后删除。
统一面板结构确认：选择声音来源 = 系统音色 / 我的复刻声音，共用同一文本框；
系统音色状态：显示 未配置模型 Key，暂不可用，生成按钮禁用，/api/tts 返回 503（不再 500）；
切换 我的复刻声音 后复刻区域出现，按钮变 用复刻声音生成 →；
上传 unified-reference.wav（约 467 KB），来源状态显示 已选：unified-reference.wav（本会话可复用）；
输入文本 → 勾授权 → 点击生成 → 完成；
不改参考音频、换新文本再次生成，第二次结果约 390 KB，来源状态仍为可复用；
播放验证：readyState=4，可正常播放；
Console：无 JS error。

第三轮（合并音色选择版）：

页面：https://speakr.public.wzhecnu.cn/?preview=voiceclone-merged-selector
登录：临时验收账号，验收后删除。
选择音色 是同一个卡片列表：龙安灵心 / 龙安鲁风 / 我的复刻声音，三张卡片在同一处勾选切换，共用同一文本框；
点击 我的复刻声音 卡片后复刻区域展开，按钮变 用复刻声音生成 →；
上传 merged-reference.wav（约 467 KB），复刻卡片显示 已选：merged-reference.wav（本会话可复用）；
输入文本 → 勾授权 → 点击生成 → 完成（约 390 KB）；
切到龙安灵心再切回 我的复刻声音，参考音频不丢失；换文本再次生成成功（约 389 KB）；
播放验证：readyState=4，可正常播放；
Console：无 JS error。

第四轮（0.1.10 当前）：

页面：https://speakr.public.wzhecnu.cn/?verify=0110-final-layout
服务端配置统一读取 ChatEnv ChatVoice active profile；模型 key 为 Token Plan sk-sp...，状态只显示布尔值，不显示 key。
系统音色状态显示 系统音色已接入 Token Plan（sk-sp），可直接生成；/api/tts 真实生成 MP3（本次验收约 42 KB，HTTP 200）。
CHATVOICE_OPENAI_API_MODEL=deepseek-v4-pro-0813 已由 ChatEnv profile 读入，会议标题/纪要模型默认跟随该值。
录参考音 按钮不再被右侧 试听结果 面板遮挡；浏览器命中检测显示按钮中心命中 #record-clone-reference，页面横向溢出为 0。

截图留档：

上传参考音频后：browser_screenshot_ede123acad43401baa28f83821754fce.png
生成中进度条：browser_screenshot_d0c0c00a1cf0463d81a73f11733b8e52.png
生成完成并播放：browser_screenshot_af2a981d4c0e464a9d7cd4cbabbd8456.png
统一面板（系统音色未配置 Key 禁用态）：browser_screenshot_be3bc2ca0d86423e85333f69ad88e3e0.png
统一面板（复刻生成完成）：browser_screenshot_db08c29bcba8485a9f9ffeaf0c07c2d2.png
合并音色选择（复刻完成，gateway 缓存）：browser_screenshot_b652998a155a45509c72b4d0811acf5b.png
默认开场文本 + 合并音色列表（开场态，访客视角，系统音色未配置 Key）：browser_screenshot_4b8ebfb3dba94422925d8ab263f7f233.png
复刻面板展开 + 默认文本（未登录点击生成提示“请先登录账号”）：browser_screenshot_dc6a742f92e9461c893e8a90ad5c8be9.png
0.1.10 录参考音布局修复 + Token Plan 已接入：assets/voice-studio-record-button-layout-0.1.10.png

常见问题¶

点击生成没有反应怎么办？¶

当前版本已经修复旧版无响应问题。按钮会根据声音来源状态提示：

请先登录账号
请先上传或录制参考音频
请先确认已获得声音本人授权
请先输入要生成的文字
本地复刻服务尚未就绪
系统音色未接入 Token Plan CHATVOICE_OPENAI_API_KEY（sk-sp...）

如果仍然无响应，打开浏览器 console；不应出现 clone-audio-url、clone-prefix 或 voice-cloning/create 相关错误。

为什么不是创建 voice id？¶

当前 MVP 是 one-shot voice cloning，不是 enrollment。系统不会保存 voice profile，也不会让用户管理 voice id。每次会话都需要参考音频和目标文本；同一会话内参考音频会保留以便反复生成。

系统音色和我的复刻声音有什么区别？¶

龙安灵心 / 龙安鲁风：系统内置音色，做普通 TTS，需要服务端 ChatEnv ChatVoice profile 配置 Token Plan 的 CHATVOICE_OPENAI_API_BASE / CHATVOICE_OPENAI_API_KEY / CHATVOICE_OPENAI_API_MODEL；其中 CHATVOICE_OPENAI_API_KEY 必须是 sk-sp...，避免普通按量 sk-... 误扣费。
我的复刻声音：使用本次上传/录制的参考音频做本地 one-shot 复刻，不依赖云 TTS Key，只依赖 hitk 上的 VoiceClone sidecar。

两者在同一个 选择音色 列表里勾选切换。如果只验证 Voice Cloning，请勾选 我的复刻声音 并使用 用复刻声音生成。

运维检查¶

curl -sS https://speakr.public.wzhecnu.cn/api/voice-clone/status | jq

期望关键字段：

{
  "configured": true,
  "status": "ready",
  "engine": "indextts",
  "model_version": "2.5",
  "device": "cuda:0",
  "model_loaded": true
}

hitk 当前服务：

chatvoice-production-18087
voiceclone-sidecar-18187