不想折腾 CUDA，怎么用云 GPU 镜像运行 IndexTTS 2.5？

如果目标是快速体验 IndexTTS 2.5 的声音克隆、多语种和情感控制，直接使用预装环境的云 GPU 镜像，通常比从零处理 CUDA、Python、模型权重和 WebUI 依赖更省事。

本文记录一条可检查、可排错的启动路径：选择算家云的 IndexTTS-2.5 镜像，创建 GPU 实例，开放访问端口，进入 WebUI，并完成启动前的环境验收。

一、哪些需求适合直接使用镜像？

IndexTTS 2.5 是零样本文本转语音模型，只需要一段参考音频就能提取音色。根据官方项目说明，它支持中文、英文、日文、西班牙文和阿拉伯文，并提供情感、语速与发音控制。

比较典型的使用场景有：

如果只是临时体验，在线 Demo 更轻量；如果需要保留文件、修改代码或反复生成，独立云 GPU 实例更合适。

二、这个镜像预装了什么环境？

截至 2026 年 8 月 25 日，算家云 IndexTTS-2.5 镜像页显示的信息如下：

这里的“推荐显存 24GB”是该镜像的配置建议，不应扩大成 IndexTTS 2.5 在所有安装方式下的统一最低要求。

GPU 库存、区域和节点属于动态信息，应以创建实例页面当时显示的结果为准。

三、从创建实例到打开 WebUI

1. 选择镜像和 GPU

进入镜像详情页后点击创建，在镜像社区选择 IndexTTS-2.5。

镜像页建议优先选择 RTX 4090，并优先在西南 A 区使用。实际创建时仍需检查：

• GPU 型号及显存；
• 当前区域是否有可用实例；
• 镜像名称是否为 IndexTTS-2.5；
• 数据盘空间是否满足输出音频和后续文件需求。

2. 等待自启动并开放端口

镜像带有开机自启动功能。实例启动后，在实例页面开放对外访问端口，再使用平台生成的访问地址进入 Web 页面。

需要注意两个端口概念：

• IndexTTS 上游 WebUI 默认常见端口是 7860；
• 该镜像的管理脚本会检查 8080 端口，并可能在冲突时启动其他端口。

因此不要直接猜公网地址中的端口，应以实例页面实际生成的端口映射为准。

3. 先做环境验收

进入 WebSSH 后，建议先执行：

nvidia-smi
python --version
ss -lntp | grep -E ':8080|:7860'

重点确认：

• nvidia-smi 能看到 GPU 型号和显存；
• Python 版本与镜像页标注一致；
• WebUI 进程已经监听端口；
• 显存没有被其他异常进程大量占用。

这一步比反复刷新浏览器更容易定位问题究竟出在 GPU、程序还是端口映射。

四、如何启动、停止和重启？

镜像提供了 sj-run.sh 管理脚本：

# 查看帮助
./sj-run.sh -h

# 启动
./sj-run.sh -s

# 停止
./sj-run.sh -t

# 重启
./sj-run.sh -r

如果启动时提示 8080 端口已经有程序运行，不要连续执行多次启动命令。先检查现有进程是否就是已经自启动的 WebUI，再决定重启还是改用脚本提供的其他端口。

五、第一次生成语音怎么验收？

进入 WebUI 后，第一次不要直接输入很长的文案，建议用最小任务验证完整链路：

1. 上传一段已经获得授权的清晰参考音频；
2. 输入一到两句短文本；
3. 选择与文本匹配的语言；
4. 先使用默认情感和默认语速生成；
5. 确认输出音频可以播放和下载；
6. 再逐项测试情感、语速与发音控制。

IndexTTS 2.5 支持的主要控制方式包括：

• 使用参考音频克隆音色；
• 使用另一段音频提供情感；
• 使用八维情感向量；
• 根据情感描述文本生成情绪；
• 通过 duration_factor 调整语速；
• 使用拼音、CMU 音素或日语假名控制发音。

一次只改变一个参数，更容易判断异常来自参考音频、文本、语言选择还是情感设置。

六、常见问题排查

1. 浏览器打不开页面

依次检查：

./sj-run.sh -h
ss -lntp | grep -E ':8080|:7860'

确认程序正在运行后，再检查实例页面是否已经开放对应端口，以及复制的是否为平台生成的外部访问地址。

2. 出现 CUDA OOM

先执行：

nvidia-smi

查看是否存在其他进程占用显存。该镜像页面推荐使用 24GB 显存，长文本、情感模型或并发任务都可能提高峰值占用。

可以尝试：

• 关闭不需要的 GPU 进程；
• 缩短单次输入文本；
• 使用镜像文档提供的 BF16 选项；
• 一次只运行一个生成任务；
• 必要时重启程序释放显存。

3. 英文长段落出现漏读或内容偏移

上游 GitHub 的一个用户报告显示，英文长段落可能在分段阈值较大时出现末句对齐异常，缩短单段长度后恢复正常。这是社区问题记录，不是所有环境都必然出现，也不是正式兼容性承诺。

遇到类似问题时，优先把长文按句号、问号或自然段切分，再分别生成和拼接，不要只通过增大显存解决。

4. 启动命令执行了，但端口仍未出现

可以尝试：

./sj-run.sh -t
./sj-run.sh -s

如果仍失败，应保留终端中的完整报错，再判断是端口冲突、依赖加载、模型文件还是 GPU 初始化问题，避免直接删除环境重装。

七、适用边界

这类镜像适合希望快速验证声音克隆、多语种配音和情感控制，又不想从零配置 CUDA 环境的用户。

但它不能替代以下工作：

• 正式上线前的并发、延迟和稳定性测试；
• 长文本切分、音频后处理和批量任务编排；
• 声音授权、隐私、版权及合成内容标识；
• 对特定 GPU、精度和参数组合的独立质量测试。

声音克隆应只使用本人声音或已经取得明确授权的素材，不应被用于冒充、欺骗或未经许可的商业配音。

参考资料

• 算家云 IndexTTS-2.5 镜像页
• IndexTTS 官方项目
• IndexTTS 2.5 技术报告
• 英文长段落对齐问题记录

更新日期：2026-08-25

说明：本文基于算家云公开镜像页与 IndexTTS 上游文档整理，未进行独立性能测试。涉及镜像环境、节点和显存的信息以 2026 年 8 月 25 日页面为准。