本页目录
音色与短句
播报文案配置好后，需要生成对应的音频才能播放。本页介绍音色的四种来源，以及如何管理 短句库。
| 方式 | 准备工作 | 效果 | 适合 |
|---|---|---|---|
| 预置音色 | 无 | 标准、稳定 | 所有人，开箱即用 |
| 克隆音色 | 一段 5～10 秒的干声 | 接近参考音频 | 想要某个角色的声音 |
| 微调音色 | 10～30 分钟语音 + 显卡训练 | 还原度最高 | 有经验的进阶用户 |
| 导入音频 | 现成的音频文件 | 就是原音频 | 音效、录音、不想用 TTS |
生成音频前，需要先在 模型与音色 中安装语音模型。导入音频不需要模型。
方式一：预置音色
在 中选择 预置音色（默认选中），勾选短句后点 开始生成。在播报总览中点 一键生成缺失语音 时同样默认使用预置音色。
- 预置音色按当前界面语言自动选择（简体中文 / English / 日本語），与短句本身是什么语言无关。
- 切换界面语言后再生成，会自动改用新语言的预置音色。
方式二：克隆音色
只需一段参考音频，无需训练。
- 在 批量生成 中选择 克隆音色。
- 选择 使用已有音色，或者 新建音色：填写 新音色名称，点 选择参考音频（WAV）。可以勾选 保留参考音频文件。
- 勾选要生成的短句（可以 全选），点 开始生成。
保存过的音色会出现在 中，下次直接选用即可。
方式三：微调音色（进阶）进阶配置
克隆只依赖几秒参考音频，相似度和稳定性有限。想要更高的还原度，可以用目标角色的语音数据微调一个专属模型，导出后在应用中引用。
大致流程：
- 获取素材：B 站视频可以用 bilibilidownloadtool 下载。
- 提取音频：用 FFmpeg 转成无损 PCM WAV，保留原始采样率，不要先压成 MP3。
- 分离人声：用 Ultimate Vocal Remover 去掉背景音，导出
Vocals干声，并完整试听检查。 - 制作数据集：按静音切分，重采样到 24kHz，用 ASR 转写后人工校对文本。
- 训练：生成音频离散码和 speaker embedding，微调 Qwen3-TTS 0.6B CustomVoice。推荐在 Docker 中运行，预构建镜像为
ghcr.io/mozi1924/qwen3-tts-easyfinetuning。 - 导出：导出 GGUF 部署目录，在 中点 导入。之后在批量生成中选择 微调音色。
数据与环境要求：
- 只使用你自己拥有或已获授权的声音数据，一个数据集只包含一个说话人。
- 建议准备 10～30 分钟干净的有效语音。数据少也能训练，但相似度和稳定性会差一些。
- 训练建议使用显存 ≥ 16GB 的 NVIDIA 显卡；Windows 下推荐 WSL2 + Docker Desktop。
微调效果示例（日语音色）：
- 蒂娜 CD 结束提醒：ja_01_tina_cd.wav
- N20 治疗提醒：ja_02_n20_healbot.wav
部署目录移动或文件变化后，微调音色会显示 路径缺失 或 文件已改变。用 重新定位 指向新位置，并用 完整性检查 确认完整。移除引用 只移除引用，不会删除外部文件。
方式四：导入现成音频
不想用 TTS，或者想用一段音效时，可以直接导入音频文件：
- 在 短句库 中填写 短句名称，点击 导入音频。
- 选择 wav / mp3 / flac / ogg / m4a 文件，大小不超过 50 MiB，时长 0.2～30 秒。
- 已有的短句也可以点这一行的 导入音频，用文件替换当前语音。
导入的音频会统一转为单声道 24kHz，状态显示为 已导入，不参与语音生成。在功能页中选择 短语库引用 就能使用它。
管理短句库
短句库 中每条短句都有一个状态：
| 状态 | 含义 |
|---|---|
| 已生成 | 可以直接播放 |
| 需重新生成 | 音色或文本改过，旧音频已过期 |
| 未生成 | 还没有音频 |
| 已导入 | 来自导入的文件 |
你也可以手动 新增短句，写好常用的句子，在多个功能页中通过短语库引用复用。
自动生成的短语按文案内容区分：同一条播报在不同方案里写了不同文案，会各自保留一份音频；文案相同则共用一份。修改文案后，在新文案的音频生成之前，这条播报会继续播放之前的音频。
删除播报、取消监控对象或修改文案后，旧文案的自动短语会变成未引用短语。它们不会被自动删除：清理之前重新配置同样文案的播报，会直接复用已生成的音频。点击 清理未引用短语 可以一键删除它们，确认框会列出将要删除的短语。清理会检查所有监控方案（不只是当前方案），以下短语不会被清理：
- 任一方案中仍在使用的，包括暂时关闭的事件；
- 在功能页中通过 短语库引用 选用的；
- 新文案还没有音频时，正在代替它播放的旧短语；
- 带有导入音频的，需要在列表中逐条手动删除；
- 你手动创建的短句，以及应用自带的提示音。
例
例 用自己的音效提醒 Boss 大招场景：团队约定 Boss 放某个大招时听一声警报，而不是一句 TTS 语音。你手上有一段 2 秒的警报音效 alarm.mp3，想让它在大招读条时以最高优先级播放。
第 1 步：导入音效
- 打开 。
- 在 短句名称 中填写「大招警报」。
- 点击 导入音频，选择
alarm.mp3。 - 列表中出现「大招警报」，状态为 已导入，点 试听 确认声音正常。
导入音频不需要安装语音模型。
第 2 步：在 Boss DBM 中引用
- 打开 。
- 在 语音播报 中添加这个技能，事件选 触发时播报。
- 文案来源选 短语库引用，点 选择短语，选「大招警报」。
- 优先级 选 紧急。
第 3 步：允许打断
在 中开启 高优先级可打断当前播放。这样即使正在播报别的内容，警报也会立即响起。
分享给队友
把方案 导出 给队友时，播报绑定会一起带过去，但音频文件不会。让队友把同一个
alarm.mp3 也导入短句库：导入短句的 ID 由音频内容决定，同一个文件的 ID 相同，绑定会自动对上。