index-tts

An Industrial-Level Controllable and Efficient Zero-Shot Text-To-Speech System

AI 简介

IndexTTS2 是一个工业级可控且高效的零样本文本转语音系统。该项目通过创新的方法实现了情感表达和时长控制的自回归零样本文本转语音，支持两种生成模式：一种是明确指定生成的令牌数量以精确控制语音时长；另一种是在不指定令牌数量的情况下自由生成语音，同时忠实地再现输入提示的韵律特征。此外，IndexTTS2 还实现了情感表达与说话人身份之间的解耦，允许独立控制音色和情感。在零样本设置下，该模型能够准确重建目标音色，并完美再现指定的情感语调。适用于需要严格音视频同步的应用场景，如视频配音等。