IndexTTS-2.5：一句话克隆任意声音，跨语言还能精准控情绪，让声音克隆更自由更自然
IndexTTS-2.5 是由 Bilibili 的 IndexTeam 开发的一款开源零样本（zero-shot）文本转语音（TTS）模型。你只需要提供一小段参考音频（比如几秒钟的某人说话录音），模型就能“克隆”出这个人的声音，然后让它用这个声音朗读你输入的任意文字，还支持自定义情感控制，比如高兴，难过等。
IndexTTS-2.5 支持中文、英文、日语、西班牙语、阿拉伯语五种语言，还能做到跨语言声音迁移（例如用中文说话人的声音去说英文），并且可以控制情绪。
相比前代 IndexTTS-2，它主要新增了日语、西班牙语、阿拉伯语支持，推理速度更快，对中文拼音、英文音标、日语假名的控制也更精准。
主要特点
零样本声音克隆：只需一段参考音频，无需额外训练就能模仿该说话人的音色和风格。
多语言 + 跨语言：支持五种语言，且可以跨语言转换（比如中文参考音 → 英文输出）。
情绪可控：可通过情绪向量、情绪参考音频或文本情绪检测，灵活调节说话情绪（比如更激动、更平静等）。
精细发音控制：支持中文拼音标注、英文 CMU 音标、日语假名，帮助纠正多音字或特殊发音。
模型结构：自回归架构（GPT + DiT + BigVGAN），参数量约 0.8B，相对轻量。
应用领域
有声书、播客制作：快速生成不同声音的朗读内容。
配音与本地化：电影、动画、游戏的多语言配音。
对话式 AI / 虚拟助手：让智能助手拥有特定人物声音。
内容创作：短视频、自媒体等需要个性化语音的场景。
使用教程：（建议N卡，显存8G起，支持50系显卡）
包含主程序压缩包和模型（checkpoints文件夹），下载解压主程序后，将模型（checkpoints文件夹）移动到主程序目录下即可。
上传参考音频，输入生成文本，生成即可。
支持更丰富的情感控制，可以根据需要选择，比如与音色参考音频相同、使用情感参考音频、使用情感向量控制、使用情感描述文本控制等
支持预设功能，可以将生成的音频保存为音色预设，方便后期快速加载使用。
下载地址：
迅雷云盘：https://pan.xunlei.com/s/VP0M3e94NA8CS9da9kmdAiR-A1?pwd=x37b
夸克网盘：
**** 本内容需购买 ****
百度网盘：
**** 本内容需购买 ****
克隆效果退步了，都不像原声了
页:
[1]