Drama3 V2 Update：参考音频克隆与音色设计

作者：@刘悦的技术博客


Drama3 V2 Update 把参考音频克隆和音色设计放在同一个本地界面中：前者使用参考音频及其对应文字，后者通过声音特征描述生成语音。本文按刘悦的演示整理操作顺序。

1. 启动本地服务
双击整合包中的启动入口，等待命令行窗口启动服务，再进入 Drama 3 TTS V2 Update 网页界面。

2. 填写待合成文字与参考材料
在零样本克隆区域填写需要合成的文字，启用参考音频并放入音频文件。参考文本是独立的必填项，应填写参考音频对应的文字，不要与本次待合成文本混为一谈。请使用自己的声音或已获许可的参考音频。

3. 生成后试听与保存
使用克隆区域的生成控件，完成后在结果播放器中试听。演示分别展示了中文和英文输出，界面还提供保存音色、删除所选音色以及下载结果等控件。视频中的 13 秒参考音频、1 分 19 秒中文结果和 58 秒英文结果只是样例时长，并非输入上限或固定生成时长。

4. 用文字描述设计音色
切换到音色设计区域，输入朗读文本并填写表演描述。演示使用“年轻女声，慵懒，语速稍慢，像在小声说话”，随后展示约 11 秒的结果。可将声音年龄感、语速和说话方式分开描述，再通过试听判断是否符合需求；这段示例不代表每次都会得到相同效果。

参数与使用边界
演示画面出现 speed 1.00x、seed 1234、temperature 1、top_p 0.9、top_k 4097。这些是本次演示读数，不应直接当作所有版本的默认值或推荐组合。本文依据原作者演示整理，未独立安装或测试；硬件门槛、商用许可及具体接口参数应另核所用版本说明。

作者提供的资源
【Drama-3-V2-Update：https://pan.quark.cn/s/60f40c290d55】
资源地址来自原视频 UP 主置顶评论。