IndexTTS-2 TTS
A zero-shot TTS model with fine-grained emotion control via emotion vectors, no emotion-specific training data required.
Verpacken Sie Ihren Text in SSML-Tags für eine präzise Kontrolle:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags, die das ausgewählte Modell versteht — klicken Sie, um einen in Ihren Text zu legen, wo es passiert:
Dieses Modell liest Text, so dass Inline-Tags ignoriert werden. Für tag-basierte Emotion, wechseln Sie zu einem ausdrucksstarken Modell wie Orpheus oder Bark.
Benutzerdefinierte Aussprachen definieren (Wort = Aussprache):
Über 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.
Das Beste für: Emotionally expressive content, audiobooks, virtual assistants
Alle durchsuchen IndexTTS-2 StimmenAuf einen Blick
- Entwickler
- Index Team
- Lizenz
- Bilibili Model License
- Tierart
- standard
- Geschwindigkeit
- medium
- Klonen der Stimme
- Nein
- Sprachen
- English, Chinese
- Maximale Zeichen
- 1000