1 · 提供模板音频（声音样本）
支持 wav / mp3 / m4a / flac / ogg，建议 5–15 秒清晰人声
⚠️ 这是 F5 模型对齐音色的核心：请如实转写音频里说的话。错字、漏字、多字都会明显掉相似度，甚至产生重复乱码。懒得手打？点上面按钮让 AI 自动识别，再核对修改即可。
可见范围：
2 · 输入要合成的文本
0 字
高级参数（影响速度 / 细腻度）
nfe_step = 质量档位：8 最快但易重复结巴、16（默认，均衡约 1–2 分钟）、32 最清晰但最慢（约 4 分钟）。若听到重复字词，请调到 16 或 32 再试。
正在克隆并合成…（本机无 GPU，CPU 推理较慢，单句约 20–60 秒，请耐心等待，不要重复点击）
3 · 合成结果
生成的语音会出现在这里，可在线试听并下载。