Index tts index tts

index-tts index-tts ¶

IndexTTS2 是一款零样本自回归文本转语音（TTS）模型，具备高度情感表达和时长控制能力，核心功能如下：

1. 时长精确控制：支持指定生成 Token 数量以精确控制语音时长，或自由生成并保留输入韵律特征。
2. 音色与情感解耦：独立控制音色（来自参考音频）和情感（来自风格提示或文本），实现零样本语音克隆。
3. 多模态情感调控：支持通过情感参考音频、自然语言文本描述（经 Qwen3 微调）或情感向量灵活调节情感强度。
4. 高保真合成：采用三阶段训练和 GPT 隐式表示，提升高情感表达下的清晰度与稳定性，支持中英文，各项指标达 SOTA 水平。
5. 便捷使用：提供 WebUI 界面及 Python 脚本接口，支持 FP16 及 DeepSpeed 加速。