這是 CosyVoice WebUI 主畫面，重點欄位：

• 🔘 選擇推理模式：預訓練音色 / 3s極速復刻 / 跨語種複刻 / 自然語言控制
• 📝 輸入合成文本：你要它念出來的台詞
• 📤 選擇prompt音頻文件：上傳你要複製的聲音
• 📄 輸入prompt文本：參考音檔「實際講了什麼」
• ⚡ 速度調節 / 🎲 隨機推理種子
• ▶️ 生成音頻 按鈕 → 🔊 合成音頻 輸出

想複製某個人的聲音來念你的台詞，照這 7 步做：

1. 在 選擇推理模式 點選 → 「3s極速復刻」
2. 在 選擇prompt音頻文件 點上傳，選你要複製的 .wav 參考音檔（或用「錄製」直接錄一段）
3. 在 輸入prompt文本 填「參考音檔實際講的那句話（逐字）」
   ⚠️ 這不是要生成的字，是參考音檔的內容，必須跟音檔一致
4. 在 輸入合成文本 填你真正想生成的台詞，例：Blanka, Bomb!
5. 設定 速度調節（1.0原速）、隨機推理種子（填數字如 42）；是否流式推理 選「否」
6. 按 「生成音頻」 按鈕
7. 右側 合成音頻 出現播放器 → 試聽 → 點下載圖示存成 wav

方法 A：用標點 + 速度 + 種子（同一聲線做出不同情緒）

方法 B：用「自然語言控制」直接描述情緒

1. 推理模式選 「自然語言控制」
2. 在 輸入instruct文本 用文字描述語氣，例如：
   「用非常興奮、活力十足的語氣說」
   「用低沉、穩重、有氣勢的英雄語氣」
   「用誇張、像街機廣播的方式大聲喊」
3. 在 輸入合成文本 填台詞（Blanka Bomb）
4. 按 生成音頻，模型就會照你描述的情緒念

保存音色模型 / 輸入新的音色名稱 是做什麼的？
→ 把「複製好的聲線」存成一個音色，下次不用再上傳參考音檔。

存起來：

1. 先用「3s極速復刻」上傳參考音檔、填 prompt 文本、生成一次確認 OK
2. 在 輸入新的音色名稱 打個名字，例：Jimmy_遊戲女聲
3. 按 保存音色模型

下次重複用：

1. 改用 預訓練音色 模式
2. 在 選擇預訓練音色 下拉，就會看到剛存的 Jimmy_遊戲女聲
3. 選它 → 直接填合成文本 → 生成（不用再上傳參考音檔！）

• ✅ 參考音檔取樣率 ≥16kHz，建議用 24kHz、單聲道、乾淨無雜音
• ✅ prompt文本 一定要跟參考音檔內容逐字一致，否則聲音會不準
• ✅ 參考音檔越乾淨越好；來源很吵先降噪再上傳（別過度處理以免失真）
• ✅ 參考句用「完整一句、發音清楚」的，太短片段容易出現多念/重複的怪聲
• ✅ 生成後先試聽確認字正確、沒多字漏字；不滿意換種子數字再生成
• ✅ 英文專有名詞被念裂（Blanka→Blank a），在文本加逗號「Blanka, Bomb!」讓它更順
• ✅ 速度調節 只在「是否流式推理」選「否」時有效
• ✅ 常用聲線記得存成音色模型，下次選「預訓練音色」直接叫用