本文实测环境：Windows 11 + WorkBuddy 最新版 + Python 3.14
涵盖 IndexTTS2.5、OmniVoice、FishAudio、GPT-SoVITS、Noiz、NiceVoice、Lipvoice 共 7 款 TTS 引擎

一、先说结论

WorkBuddy 安装 TTS 技能包后，可以直接用自然语言完成语音合成和声音克隆：

你：用 IndexTTS2.5 合成这句话：今天天气真好，我们一起出去玩吧！
你：帮我上传这个音频，创建一个声音模型，名字叫"我的声音"
你：把这个 txt 里的 30 条文案全部合成，用带货音色，情绪选开心

全程零代码、免本地部署、不吃显卡——推理在云端完成，核显轻薄本也能跑。

二、原理：技能包是怎么工作的？

WorkBuddy 支持安装"技能"（Skill），可以理解为插件。TTS 技能包内部封装了语音合成平台的 REST API 调用逻辑，执行流程是：

1. 解析你的自然语言指令（合成文本、音色、情绪、语速）
2. 携带环境变量中的 API Key 请求云端推理服务
3. 合成完成后把音频文件下载到本地工作目录，直接在对话中发给你

技能包目录结构很简单，就是一个 SKILL.md 加一个 scripts 文件夹：

skills/
└── indextts2-tts/
    ├── SKILL.md        # 技能描述与调用规则
    └── scripts/
        └── tts.py      # API 调用脚本

三、7 款技能包选型对照表

7 款技能包在同一个下载页分发（见下一节），底层模型和适用场景各不相同：

技能包	底层模型	最擅长的场景	情绪控制	语速
IndexTTS	B站开源 IndexTTS2.5	影视级克隆、22种方言、中英日西阿五语种	8种	0.5x-1.5x
OmniVoice	小米开源 OmniVoice 0.8B	600+语种出海内容、长文本	8种	0.5x-1.5x
FishAudio	Fish Speech S2	多语言朗读、共享音色库	支持	0.5x-1.5x
GPT-SoVITS	GPT-SoVITS 开源	5秒样本快速克隆、老牌稳定	8种	0.5x-1.5x
Noiz	云端聚合引擎	大批量并发合成	6种	0.5x-1.5x
NiceVoice	超拟人引擎	短剧、带货、广告配音	9种	0.5x-1.5x
Lipvoice	云端低延迟引擎	实时直播、超长文本	8种	0.5x-1.5x

• 追新求质感：IndexTTS 技能包已支持 2.5 版本，相比 2.0 推理速度提升一倍多，音色与情绪解耦，参考音频不用带情绪录，喜怒哀乐后期单独调；
• 做出海/小语种：OmniVoice，600+ 语种基本独一份；
• 短剧带货：NiceVoice，9 种情绪含吐槽、撒娇、广告腔，戏剧张力最足；
• 矩阵号批量跑量：Noiz（并发稳）或 Lipvoice（延迟低、超长文本不吞字）。

不用纠结，7 个全装上也就几分钟，按需切换。

四、安装步骤（全程截图）

第一步：确认 Python 环境

技能脚本依赖 Python 3.6+。按 Win + R 输入 cmd 回车，执行：

py --version

显示版本号即可（下图为 Python 3.14.0）：

如果提示"不是内部或外部命令"，去 python.org 下载 Windows 安装包，安装时务必勾选 Add Python to PATH，装完重开 cmd 再验证。

第二步：下载并安装技能包

打开技能包下载页（腾讯云 CodeBuddy 托管）：

页面上 7 款技能包各自有独立的 zip 下载按钮，以 IndexTTS 为例：

方式 A：一键安装（推荐）

下载 zip 后，在 WorkBuddy 对话框输入：

/install-skill

在弹出窗口中选择"导入 ZIP 文件"，选中刚下载的 zip 即可。

方式 B：手动安装（一键安装失败时用）

解压 zip，把文件夹放到技能目录：

C:\Users\你的用户名\.workbuddy\skills\

放好后的结构如下（注意是 SKILL.md + scripts 文件夹在同一层）：

重启 WorkBuddy，技能会被自动识别。

第三步：配置 API Key

API Key 在各站点开通会员后联系客服获取（以 IndexTTS 为例，在开通会员后获取，是一串 32 位左右的字符串）。

方式 A：对话内输入（最省事）

第一次使用技能时，WorkBuddy 会自动提示你提供 Key、配音文本和音色偏好，把 Key 直接贴进去即可，一次配置永久生效：

方式 B：环境变量（推荐，一劳永逸）

右键"此电脑" → 属性 → 高级系统设置 → 环境变量，在"用户变量"里新建：

7 款技能包对应的变量名：

技能包	环境变量名
IndexTTS	INDEXTTS2_API_KEY
OmniVoice	OMNIVOICE_API_KEY
FishAudio	FISHAUDIO_API_KEY
GPT-SoVITS	GPTSOVITS_API_KEY
Noiz	NOIZ_API_KEY
NiceVoice	NICEVOICE_API_KEY
Lipvoice	LIPVOICE_API_KEY

配置完重启 WorkBuddy/终端才生效。Key 等于账户额度，切勿截图外传。

第四步：开始使用

直接在对话框下自然语言指令即可。下图是上传一段干声 wav、让它克隆声音并合成一段配音的实际效果——2 秒完成，音频产物直接在对话里给出：

常用指令示例：

用 IndexTTS2.5 合成：今天天气真好，我们一起出去玩吧！
帮我上传这个音频创建声音模型，名字叫"我的声音"
列出我所有的声音模型
把这个 txt 里的 30 条文案全部合成，用"我的声音"，情绪开心，语速 1.2 倍

五、成本对比

以每天一条 10 分钟口播、一年 365 条为基准：

方案	年成本	附加成本
本地部署（RTX3060 级别）	2500 元起	硬件折旧+电费，3-5 天部署时间
租云 GPU（中端 A10 实例）	约 14000 元	随用随开也要 40 元/天
API 技能包方案	专业版年卡 199 元起	一条 10 分钟口播约 0.4 元，零维护

API 方案另一个隐性优势：模型大版本更新（如 2.0 升 2.5）服务端直接升级，技能包同步更新即可用，不用重新配环境。

六、常见问题

Q1：提示"找不到 Python / py 不是内部命令"？
安装时没勾 Add Python to PATH，重装勾上，或手动把 Python 安装目录加入环境变量 Path，重开 cmd。

Q2：Key 配了还是报无权限？
环境变量配置后必须重启 WorkBuddy（方式 A 对话内输入的 Key 不受此影响）。

Q3：合成的音频在哪？
默认保存在脚本运行的工作目录；最省事的方式是直接对 WorkBuddy 说"把刚生成的音频发给我"。

Q4：想先试听再决定开会员？
各站网页端都支持在线试音，新用户有 0.01 元体验包（约 12 万字符，可合成300 分钟音频）。

Q5：有编程需求，想绕过技能包直接调 API？
技能包本质是 REST API 的封装，各站开发者板块提供完整接口文档（含音色列表查询、批量合成、回调等），企业会员可直接接入自己的业务系统。

---

可以在这里体验indextts.xin/?src=pcs915。也可以看我主页

安装过程有问题的欢迎评论区留言，看到都会回。觉得有用点个赞收藏，免得下次找不到。