IndexTTS-2 ТТС
A zero-shot TTS model with fine-grained emotion control via emotion vectors, no emotion-specific training data required.
Захоўваць тэкст у тэгах SSML для дакладнага кантролю:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Тэгі, якія разумее выбраная мадэль - націсніце, каб перанесці іх у тэкст:
Гэтая мадэль чытае звычайны тэкст, таму ўбудаваныя тэгі ігнаруюцца. Для эмоцый, заснаваных на тэгах, пераключыцеся на мадэлі выразнасці, такія як Orpheus або Bark.
Вызначыць уласнае вымаўленне (слова = вымаўленне):
Пра IndexTTS-2
IndexTTS-2, from the Index Team, is an expressive text-to-speech system that pairs zero-shot voice synthesis with precise emotional control. Rather than relying on emotion-labeled training data, it uses emotion vectors to dial in tones like happy, sad, angry, or fearful independently of the voice itself. Built on a Qwen2 backbone with BigVGAN as the vocoder, it supports English and Chinese and can clone a voice from roughly five seconds of reference audio. It suits audiobooks, virtual assistants, and any content where the same voice needs to shift emotional register. Its weights use the Bilibili Model License, which permits commercial use below large usage and revenue thresholds.
Лепшы для: Emotionally expressive content, audiobooks, virtual assistants
Прагляд усіх IndexTTS-2 галасыКароткае апісанне
- Распрацоўшчык
- Index Team
- Ліцэнзія
- Bilibili Model License
- Стварыць
- standard
- Хуткасць
- medium
- Клонаванне голасу
- Так
- Мовы
- English, Chinese
- Найбольшая колькасць знакаў
- 1000