模型下载与软件配置

需要的文件

需要匹配当前原生运行时的 GGUF／GGML 文件；官方 Python safetensors 包不能直接作为该文件使用。按对应转换模型来源取得，中文选择多语模型，不用仅英文 .en 版本。

软件配置路径

配置引导页 → 模型与参数 → Whisper → 选择对应模型文件，或「音频转写」的 Whisper 路线。选择后用短录音测试。

当前适配状态

已有选定中文转写证据；文件转写不表示此路线所有功能都支持实时字幕或手机端。

需要的文件

官方原始模型是来源，软件原生路线需匹配的 GGUF／GGML 模型与运行组件；不能把原始 .pt 权重改后缀当作原生文件。

软件配置路径

配置引导页 → 模型与参数 → SenseVoice · Native → 选择适配模型文件。没有适配包时可使用匹配的 ONNX 路线或已配置服务。

当前适配状态

已验证部分原生中文转写；不承诺任意上游版本直接加载。

需要的文件

当前兼容路线使用相应 .pt、config.yaml 和配套词表／运行组件；FunASR 是工具家族，不是任意同名模型均可用。较新 ASR 模型需单独适配，不能根据上游列表认定软件已支持。

软件配置路径

配置引导页 → 模型与参数 → FunASR → 选择与现有兼容运行组件匹配的完整模型目录 → 短录音验证。

当前适配状态

现有功能保留，可能使用旧 Python 兼容组件；不能概括整个应用为无 Python。

需要的文件

当前目录检查要求 model.onnx 及 tokens.json／tokens.txt 中的一种配套词表。官方转换包可能提供 model.int8.onnx／tokens.txt，不能只把不同文件重命名来通过检查；需要软件兼容的导出包。

软件配置路径

配置引导页 → 模型与参数 → SenseVoice／ONNX 识别目录；检查后短录音测试。

当前适配状态

已有实际中文转录证据；不同导出版本仍须匹配，尚无全语言质量验收。

需要的文件

原始根目录含 config.yaml、gpt.pth、s2mel.pth、bpe.model、feat1.pt、feat2.pt、wav2vec2bert_stats.pt，还需匹配 w2v-bert、semantic codec、CAM++、BigVGAN 等辅助权重。仅主仓库可能不完整，按检查提示补齐。

软件配置路径

语音工具 → 模型配置 → 本机模型 → Index-TTS2 / 2.5 → 选目录 → 检查模型 → 准备原生模型 → 等待路径切换 → 短试音。

当前适配状态

原生实验路径；中文与英文按当前版本显示，需实际试音。

需要的文件

保留 2.5 原始 config.yaml、gpt.pth、s2mel.pth、codec.pth、配套 tiktoken 分词文件和辅助权重。不要用 2.0 的 codec 或只改 version。下载辅助包后检查具体缺项。

软件配置路径

与 Index2 共用入口，原始目录需准备。新增包固定在所选模型目录的 .boundless-flow/native，保留关联原权重。

当前适配状态

已有 F 盘模型实际 CUDA 中文生成；不是所有目录、GPU、语言与情绪均验收。

需要的文件

完整 config.json、主模型 safetensors／分片及索引、tokenizer 文件与 audiovae.pth。若缺 audiovae.safetensors，在软件准备生成该文件；原文件和模型路径保留。

软件配置路径

语音工具 → 模型配置 → 本机模型 → VoxCPM2 → 选目录与参考音 → 检查模型 → 按提示准备文件 → 可选提前加载 → 生成短试音；换录音重新检查。

当前适配状态

已有实际 CUDA 中文克隆和会话复用；当前入口不提供独立情绪参数或描述设计。

需要的文件

完整 Base config.json、主权重、tokenizer 配置／词表及 speech_tokenizer/config.json、speech_tokenizer/model.safetensors；0.6B Base 为另一规格，仍须完整同版包。

软件配置路径

本机模型 → Qwen3-TTS → 声音来源「参考音克隆 · Base」；选完整目录，填写参考音原文，检查后试音。

当前适配状态

已有部分 Base CPU／CUDA 实际生成证据，独立音色质量待验；不能用于无参考设计。

需要的文件

使用 VoiceDesign 完整包，含 config.json、主 safetensors、tokenizer 配置及配套 speech_tokenizer；不要与 Base 或 CustomVoice 混用。

软件配置路径

本机模型 → Qwen3-TTS → 声音来源「描述音色 · VoiceDesign」；填写声音描述与合成文本，在编辑区上方检查后「生成设计语音」。

当前适配状态

已有真实生成与复用证据，表达和独立质量仍须试听评估。

需要的文件

完整 CustomVoice 及其 tokenizer／speech_tokenizer 文件，按原始目录结构保存。

软件配置路径

按现有声音合成配置使用预设说话人；原生克隆／VoiceDesign 入口不接收 CustomVoice 作为替代。

当前适配状态

预设模型，不承诺当前所有后端组合均可生成。

需要的文件

官方原始完整包由兼容服务加载。本机入口另需完整 audio.cpp GGUF 和配套资源，不直接加载该原始目录；本指南没有已验收可下载的 GGUF 包链接。

软件配置路径

模型服务 → CosyVoice3 → 填已启动服务实际根地址 → 选择模式及参考音／原文或指令 → 短试音；软件不自动启动服务。

当前适配状态

服务协议及界面已接入，实际服务质量需用户部署后试音；原生真实生成待验。

需要的文件

原始完整 S2 Pro 权重及编解码器由对应服务加载；旧 Fish 权重不能替代。本机要求完整 audio.cpp GGUF 包，其下载与真实生成尚未在这里验收。

软件配置路径

模型服务 → Fish Speech S2 Pro → 实际服务地址、参考音和原文 → 合成文本可插表达标签 → 短试音。

当前适配状态

可选服务适配；权重许可不是通用商业开源许可，使用前阅读官方条件。

需要的文件

原始根目录保存 fireredtts3_instruct、redae、text_tokenizer 完整子目录；主模型和 RedAE 各自需最终 model.safetensors。下载暂存文件不能代替。

软件配置路径

本机模型 → FireRedTTS3 Instruct → 原始根目录 → CPU → 短参考与准确原文 → 检查并离线试音。随后可在同传选择同一模型与参考音，开启「边生成边播放 · 实验」；当前工作台自动播报，无需另找开关。

当前适配状态

当前 Windows 包使用 CPU，不提供此引擎的 CUDA 组件；应用保留生成中 PCM 播放实验入口。需要 NVIDIA GPU 时，请先检查并选择支持的 Index-TTS2、Qwen3-TTS 或 VoxCPM2 组件。每段完整译文定稿后才开始生成；持续实时、物理设备和完整音质尚未验收。Base、声音设计与独立情绪参数未开放。

需要的文件

各模型 config.json、权重分片／索引、tokenizer，以及匹配 MOSS-Audio-Tokenizer 或 v2 完整编解码目录；两个版本不能自行混用。

软件配置路径

语音工具 → 模型配置 → 正在接入的模型 → MOSS-TTS → 模型及编解码目录 → 检查模型包。

当前适配状态

上游能力不等于软件已开放；当前不能用此检查入口完成克隆、设计或同传。

需要的文件

完整官方服务模型由已运行服务加载；应用选择预设，不直接导入参考音克隆。

软件配置路径

模型服务 → VibeVoice Realtime 0.5B → 实际 WebSocket 地址与服务已有的准确音色名 → 生成试音 → 成功后用于持续同传。

当前适配状态

整句文本／流式 PCM／预设；不提供克隆、设计或独立情绪参数。中文实际质量仍待确认。

需要的文件

本地托管选择匹配的腾讯官方 1.8B Q4_K_M GGUF 与兼容 llama-server 完整组件。其他量化或大模型可通过已部署兼容 API 使用，不自动等于此本地托管路径已验收。

软件配置路径

配置引导页 → API 配置 → HY-MT2 → 选择本地模型与服务程序，CPU 或配套 CUDA 后端 → 启动后文本试用；也可填实际兼容 API。

当前适配状态

已有实际 CPU 翻译与托管生命周期证据；目标语言质量和具体 GPU 包仍须单独确认。

需要的文件

API 不需要本机下载权重。自建服务使用官方所选模型完整包；本地托管需明确导入兼容 GGUF，不提供自动转换原始主权重的假设。

软件配置路径

API 配置 → HY-MT2／Index 翻译配置 → 填实际服务与模型 ID → 文本试用。公共服务的地址和权限以当时官方说明为准，不保证长期免费或可用。

当前适配状态

翻译适配与导入路径保留；实际模型质量、性能与账户可用性分别验证。

需要的文件

下载兼容的 speaker embedding .onnx 文件，确认该文件的家族与许可；不是所有原始 .pt／.bin 模型都能直接选用。

软件配置路径

声纹识别 → 选择模型 → 选择实际 ONNX → 添加合格 WAV → 创建声纹 → 用独立录音比对。

当前适配状态

登记和候选比对已接入；未校准分数不认定身份，跨设备／未知人质量仍待评估。

需要的文件

不下载本机权重；准备服务地址、实际模型／音色 ID 与具备所需权限的 API Key。灵录和普通纪要配置需分别确认。

软件配置路径

配置引导页 → API 配置选择能力与提供商；声音创建在语音工具 → 云端 API。先短请求成功，再应用到功能。

当前适配状态

具体能力依账户与适配协议，配置保存不是接口可用或所有能力通过的证明。

需要的文件

软件需要带九类分类层的兼容 ONNX 导出文件。官方来源用于核对模型与许可，原始仓库下载不等于取得当前可用ONNX；仅输出特征的导出不适用。

软件配置路径

配置引导页 → 模型与参数 → 本地模型库 → 情绪识别。原始 model.pt 可先「检查准备情况」；兼容的九类 classifier.onnx 登记后保存配置，再到语音工具 → 06 情绪分析选择模型和短录音。文件检查不代表推理通过。

当前适配状态

独立分析入口已接入；候选分数未校准，不代表情绪强度或心理结论。分析不自动改会议标签或声音生成参数。

此模型来源核对日期：2026-10-10