声音与音乐

本章讲配音、写歌和音频处理的入口。本机引擎怎么装见运行时模块；本机引擎都在 设置 → 本地引擎 里启动和停止。本机语音、音乐、Comfy、本地文本模型共用一张显卡，同一时刻只跑一个。

声音（配音工作室）

1. 侧栏「声音」→「新建项目」，在「源文本」里粘贴长文本（最多 50000 字）。
2. 「智能分段」把文本拆成多段逐段合成；也可以「直接合成」整段。
3. 选合成模式：普通 / 用文字描述声音 / 用录音模仿声音。音色可选「预设音色」或「我的专属音色」；「创建专属音色」后点「使用此音色」。
4. 「批量生成」或「全部生成」，完成后「导出全部音频」到已有或新建的自由画布项目，继续做视频。

• 「参考音库」管理用于模仿的参考录音，可导入 / 导出参考音。
• 本机引擎：提示未配置时，按提示到 设置 → 本地模型 → 语音合成 安装并配置 TTS 引擎。
• 云端音色、专属音色：需要在 设置 → 能力映射 配好对应的云端语音能力。

音乐（ACE-Step 本地音乐）

• 侧栏「音乐」：选「模式」和「DiT 模型」，填提示词或歌词后「开始生成」；「生成历史」保留每次结果。
• 改歌：在「原唱 / 参考音」上传原唱，按「改歌强度」改编。
• 「分轨提取」用于提取乐器分轨，不是人声 / 伴奏分离。要分离人声请用下面的「提取干声」。
• 引擎没就绪时：打开 设置 → 本地引擎 → ACE-Step，点「启动服务 / 加载 LM」（首次可能较久）。

提取干声（人声分离）

1. 在自由画布上，从有音频的音频节点拉线到空白处，选「提取干声」。
2. 「质量」选标准或精细；需要伴奏时勾「同时输出伴奏为第二个节点」。
3. 点「开始提取」。服务没启动时会自动启动，启动完成前按钮暂时不能点。

人声精修（ClearVoice）

• 入口：自由画布、片段的对白节点、参考音库、对白轨编辑器里的「人声精修」。
• 任务：语音增强 / 语音超分 / 双讲者分离 / 目标人声提取（目标人声提取需要视频）。
• 可对比试听「精修前 / 精修后」，确认后点「开始精修」。

音频剪辑

• 「音频剪辑」工具栏：切开、留空删除、波纹删除、向后删除、插入静音、撤销。
• 插入静音：在开头或播放头处插入 0.1–30 秒静音，常用于让对口型视频晚几秒开口（见ComfyUI 章的插入静音）。
• 「生成新音频」生成新版本，不覆盖原文件。音频太长时可能画不出波形，仍可按时间剪辑。