首次运行
从哪里开始、检查 torch 与引擎、下载模型、需要接受许可的引擎，以及第一次真正的合成。
装好 Mizuoto 并运行 mizuoto webui 之后，本页带你完成第一次使用：从哪里开始，检查 torch 与引擎，了解模型下载做了什么，处理需要接受许可的引擎，最后完成第一次合成。每一步都给出网页界面和命令行两种做法。
从哪里开始
界面打开后直接进入 合成 页。不需要先做任何设置：演示引擎马上就能用（它用音调“说话”），可以在下载任何东西之前先熟悉界面。要用真正的引擎，需要关注三个地方：
| 位置 | 在这里做什么 |
|---|---|
| 设置 › 下载 | 选择 下载来源：Hugging Face、hf-mirror.com 或 ModelScope（在中国大陆，后两者通常更快），或 自定义 |
| 设置 › 计算 | 本机的设备、每块显卡的显存，以及正在使用的 torch 及其构建，例如 torch 2.8.0（cu128）。缺少 torch 或其构建不适合本机时，会给出适合的构建和安装它的命令（mizuoto doctor 给出的结果相同） |
| 模型 | 模型目录中的每个模型，附带所属引擎、大小、所需显存和状态，以及 下载 按钮；见下载模型 |
在 合成 页选择了尚未下载的模型时，合成 按钮会换成下载它的按钮。下载都是任务，可以随时离开页面。
需要接受许可的引擎
接受许可之前，Fish Speech 和 IndexTTS 的模型无法下载。见下文需要接受许可的引擎。
torch 与引擎
所有引擎都是 Mizuoto 的一部分，在服务器自己的进程中运行：不需要为每个引擎单独安装。一个引擎在装好 torch（演示引擎不需要）、且其实现存在时为 可用：内置的引擎都有实现，Fish Speech 和 IndexTTS 则需要各自的发行包（mizuoto-fishspeech、mizuoto-indextts）。否则 模型 › 引擎 中它的卡片显示 不可用 和所缺的内容，模型选择器中它的模型也标为 不可用。
解决办法是把缺少的部分安装到 Mizuoto 所用的 Python 中，然后重启 Mizuoto：
- torch：安装
mizuoto doctor指出的构建，例如pip install "torch>=2.8" --index-url https://download.pytorch.org/whl/cu128（各平台的命令见安装）。 - 需要接受许可的引擎：安装它的发行包，例如
pip install mizuoto-indextts。
在 合成 页选择引擎不可用的模型时，底部按钮会换成安装所缺内容的命令。命令行：
mizuoto doctor # torch 与硬件是否匹配、各引擎、缺少的可选扩展
mizuoto engine list # 列出引擎，含“Available”（是否可用）一列有些语言需要可选扩展（GPT-SoVITS 的日语和韩语、IndexTTS-2.5 的日语）；mizuoto doctor 会列出缺少的扩展及其安装命令，见可选扩展。
语音识别
克隆音色时，模型通常需要参考音频的文本。下载语音识别模型后，缺少的文本会自动补全：
mizuoto model download asr/whisper-large-v3-turbo在界面中，语音识别显示为 模型 › 引擎 中标有 供 Mizuoto 自身使用 的引擎，它的模型在 模型 › 模型 中。
下载模型
在 模型 › 模型 中，模型按引擎分组，每个模型一行，显示大小、所需显存和状态：未下载、下载中、部分下载、已安装、已损坏。点 下载 开始；下载中的行显示已下载量、速度和剩余时间。
- 文件先下载到
.part文件，中断后可以续传；每个文件下载完都会核对大小和 SHA-256。 - 某个来源缺少文件或文件有误时，自动换下一个来源（先用设置中的来源，再依次尝试 Hugging Face、hf-mirror、ModelScope）。
- 同一引擎多个模型共用的文件（例如 GPT-SoVITS 的编码器）会随第一个需要它的模型一起下载，在 共享文件 标签页中可以看到。
- 也可以在 合成 页选择模型后，点底部的 下载 模型名（大小）。
命令行：
mizuoto model list
mizuoto model download qwen3tts/1.7b-custom-voice需要接受许可的引擎
Fish Speech（Fish Audio Research License）和 IndexTTS（bilibili Model Use License）的许可证限制了用途。它们各是一个单独的发行包（mizuoto-fishspeech、mizuoto-indextts，见安装），下载它们的模型和共享文件、合成，都需要先接受许可。
- 打开 模型 › 引擎，在该引擎卡片上点 接受许可（或在 合成 页选择它的模型后，点底部的 接受 引擎名 的许可）。
- 对话框显示许可证的完整文本和原文链接。阅读后勾选 我已阅读并接受此许可。
- 点 接受许可。卡片上显示 已接受许可，它的模型就可以下载了。
命令行：
mizuoto engine licence indextts # 打印许可证全文
mizuoto engine accept-licence indextts # 接受
mizuoto model download indextts/v2接受的是许可证的某个具体版本；许可证更新后需要重新接受。另外：
- IndexTTS 的结果下方会显示其许可的提示：IndexTTS 的免责声明禁止未经声音主人许可克隆其声音。
- Fish Speech 的结果下方会显示 “Built with Fish Audio”；它的结果不能用作其他引擎的训练数据。
- F5-TTS 不需要接受许可，但其预训练权重（CC-BY-NC-4.0）仅限非商业用途，结果会带上对应的许可标记。
第一次合成
模型下载完成后，打开 合成，选择这个模型、一个音色，输入文本，点 合成。各选项的含义见合成。
第一次合成会把模型加载到服务器进程中，耗时较长；之后模型留在内存中，直到空闲超过设定的时间（设置 › 计算）。如果显卡的剩余显存少于模型所需，Mizuoto 会立即报错 GPU 不可用或显存不足，并在 解决办法 中说明如何处理，例如换一个设备或释放显存。