入口统一：设置 → 本地引擎 里的运行时 / 各引擎卡片（GGUF 文本模型导入、语音识别模型、TTS 引擎配置在 设置 → 本地模型）。有网点「下载」；没网走离线包投放，文件清单、网盘地址和安装位置见文件清单与网盘。
三层状态（人话）：① 盘上已经有安装包；② 点过「启动服务」，本机环境（含显卡组件）真正装好；③ 服务健康，才能生成。① 亮了不等于 ③。
| 模块 | 作用 | 怎么装到能用 |
|---|---|---|
| FFmpeg | 读视频信息、拼接音视频等 | 运行时卡片下载或离线投放。缺了会出现相关失败提示 |
| Whisper 引擎 + 语音模型 | 语音识别 | 先装引擎，再投放/导入识别模型。两套都要齐 |
| Python 3.12 | 给 ACE-Step、ClearVoice、VoxCPM 等当托管 Python | 下载运行时即可。有 Python 不等于配音环境已装好 |
| Python 3.11 | 专给 IndexTTS 用 | 同上，不要和 3.12 混为一谈 |
| llama-server | 本机 GGUF 文本（可加视觉投影） | 下载引擎（需 NVIDIA）+ 在「文本模型」导入 GGUF 或离线投放裸模型 |
| VoxCPM2 TTS | 本机配音 | 启动器 + 依赖/模型（卡片「预下载」或离线）+ 启动服务 |
| IndexTTS-2.5 TTS | 本机配音（另一套引擎） | 同上；用 Python 3.11。与 VoxCPM 不要同时占满显卡 |
| ACE-Step 音乐 | 本机写歌 | 启动器 + 依赖仓库 + 权重，然后启动服务。仅缺运行环境时去启动，不要反复重装同一离线包 |
| ClearVoice | 人声降噪/修复等精修 | 启动器 + 各功能权重，然后启动服务 |
| 提取干声（人声分离） | 从音频里分出人声，可同时输出伴奏 | 运行文件装好后启动服务；在自由画布点「开始提取」时若服务未启动会自动启动 |
界面里若曾出现 Stable Audio 音效引擎，当前产品入口已隐藏，本手册不作为开箱步骤。
GPU：设置 → 本地引擎 页有「一键释放 GPU 占用」。生成失败时先看卡片是提示缺包、还是要你启动服务，两类修法不同。