硅基流动的indextts2以及开源的indextts2这两种都兼容。 
目前的工作流是LLM 解析文本 → 手动选择角色情感音频 → 生成配音 → 合成。 
 [PixPin_2026-03-17_14-12-26] 
 [PixPin_2026-03-17_14-20-01] 
 [PixPin_2026-03-17_14-13-08] 
我想省去手动选择角色参考音频， 在LLM解析小说的时候顺便给我把角色参考音频也解决了，但是目前没有神好的思路。 
我的参考音频都是按照人名-情绪来命名的 
 [PixPin_2026-03-17_14-12-46] 
目前有两个不确定性： 
1.重复/随机分配参考音频 
2.男女音频混用 
实在是没有什么好的方法了，抛开大模型的随机性有什么方式可以尽量弥补的哇？ 
仓库有使用硅基流动生成的成品音频试听，要是使用自建的indextts2效果会更好一点，...