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

无言***

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/VOzp4UWF9JlszjeDdGk5cKIrA1?pwd=ni55

夸克网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 20碎银 下载该资源

立即购买

百度网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 40碎银 下载该资源

立即购买