TTS 进阶实战：如何为克隆声音注入丰富的情感变化

pol6oWu4 · reddit · 2026-08-13

一位开发者在探索如何为自定义角色生成带有不同情感（如开心、悲伤、愤怒等）的语音时，遇到了瓶颈。

他分享了自己的尝试历程：Qwen3 的声音克隆虽然效果很好，但如果参考音频平淡，生成的语音也会缺乏情感起伏；使用女演员音频训练的 RVC 模型则带有明显的电子杂音。目前他找到了 IndexTTS2，该模型允许将音色参考、情感参考与文本结合，但在实际输出中，语音的韵律有时依然会显得非常怪异。他正在寻找更好的解决方案以实现自然且富有情感表现力的语音合成。