音色
音色库：从音频创建、设计、添加预置说话人，管理参考音频、文本和微调权重，查看各模型能否使用，导出与导入。
音色 页是音色库。一个音色可以在 合成、项目、工具 中反复使用，换模型时 Mizuoto 会自动判断它在新模型上怎么用。
音色有四类：
| 类别 | 来源 |
|---|---|
| 来自音频 | 一段或几段参考音频及其文本，用来克隆 |
| 设计 | 设计模型按文字描述生成的声音；生成的那段音频成为它的主音频，因此也能被其他模型克隆 |
| 预置 | 某个模型的预置说话人，只能用于这个模型 |
| 训练 | 训练得到的音色，带有专属的微调权重（见训练） |
每个音色是数据文件夹下 voices/<名称>/ 中的一个文件夹（voice.json 和 references/ 中的 FLAC 音频）。列表就是对这些文件夹的扫描，直接复制进去的音色文件夹也会出现。
音色列表
顶部有 搜索音色、按类别筛选的标签、导入音色 和 新建音色。每张卡片显示名称、类别、描述、语言、N 段音频 和总时长；有主音频的可以直接 播放其音频，在合成中使用 会带着这个音色跳到合成页。点卡片打开音色页。
新建音色
点 新建音色，在对话框中先填 名称，再选一种方式：
- 添加一段或几段参考音频：拖放或选择文件、录音（3 到 30 秒的清晰语音为佳）、服务器文件 或 之前的结果。
- 每段音频下方有 音频中说的内容。可以留空：缺少的文本会在安装语音识别后自动填写。
- 选择 语言（或 任意语言）。
- 点 创建。
还可以在合成结果的菜单中点 保存为音色，把任意一条结果存为音色。
音色页
音色页顶部显示名称和类别；设计出的音色还显示 由 模型 设计 和当时的描述，预置音色显示 模型 的说话人 名称。
参考音频
（预置音色没有这一部分。）每段音频一行：播放按钮、波形、时长与采样率，以及：
- 主音频 标记，或 设为主音频 按钮。克隆时主音频排在最前；音色列表中播放的也是它。
- 删除按钮（至少保留一段）。
- 下面的文本框是这段音频的文本，改完点 保存（或按回车）。
重新识别 用语音识别重新转写所有音频；添加音频 再加一段。
微调权重
（来自音频和训练类的音色才有。）一个音色可以带有某个引擎的专属微调权重，目前是 GPT-SoVITS：一个 GPT 的 .ckpt 和一个 SoVITS 的 .pth。
- 选择 引擎。
- 按提示 选择 gpt 文件（.ckpt） 和 选择 sovits 文件（.pth）。
- 点 添加权重，上传完成后显示 已添加 GPT-SoVITS 的权重。
权重的版本从文件中识别。同版本的 GPT-SoVITS 模型使用这个音色时会换上这套权重（在 哪些模型可以使用 中带有 自有权重 标记）；版本不同的模型给出提示并照常克隆。音色仍保留其参考音频：引擎使用权重时也需要参考音频。 训练实验导出的权重会自动加到音色上。
哪些模型可以使用
列出每个已安装的模型能否使用这个音色、以何种方式：克隆、克隆（无文本）、预置说话人、设计 或 训练，以及 自有权重、先识别文本、裁剪以适配 等标记；不能使用的写明原因。
克隆方式的行有 准备 按钮：提前为这个模型计算并缓存音色（参考音频的特征等），之后第一次合成会更快。不准备的话，第一次合成时也会自动做一次。
试听
选择一个可用的 模型，修改 文本，点 合成。结果列在下方。
详情
名称、语言、标签（逗号分隔）和 描述，改完点 保存。
页面底部
- 删除：把音色移到数据文件夹的回收站（
trash/）。 - 导出：下载一个 zip，包含音色信息、参考音频和微调权重。
- 在合成中使用：带着这个音色打开合成页。
导入
在音色列表点 导入音色，选择一个导出的 zip。
命令行
mizuoto voice add Me --ref me.wav # 来自音频；缺少的文本自动识别
mizuoto voice design Narrator -m qwen3tts/1.7b-voice-design -d "温暖低沉的男声，语速平缓"
mizuoto voice from-preset qwen3tts/1.7b-custom-voice vivian # 预置说话人
mizuoto voice fit narrator -m qwen3tts/1.7b-base # 这个模型能否、如何使用
mizuoto voice prepare narrator -m qwen3tts/1.7b-base # 提前准备
mizuoto voice add-weights me -e gptsovits -f gpt=me.ckpt -f sovits=me.pth
mizuoto voice export narrator -o narrator.zip
mizuoto voice import narrator.zip其余命令（add-ref、set-transcript、retranscribe、edit、remove…）见 mizuoto voice --help 和命令参考。voice add、voice from-output 和 voice edit 接受 --consent：一条关于这是谁的声音的可选说明，随音色保存（voice info 会显示），但不是必需的。