IndexTTS-2 TTS
A zero-shot TTS model with fine-grained emotion control via emotion vectors, no emotion-specific training data required.
Τυλίξτε το κείμενο σας σε ετικέτες EEML για τον ακριβή έλεγχο:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Ετικέτες το επιλεγμένο μοντέλο καταλαβαίνει □ κάντε κλικ για να ρίξετε ένα στο κείμενο σας όπου συμβαίνει:
Αυτό το μοντέλο διαβάζει απλό κείμενο, έτσι οι ετικέτες inline αγνοούνται. Για tag-based συναίσθημα, μεταβείτε σε ένα εκφραστικό μοντέλο όπως ο Ορφέας ή Bark.
Define custom προφορές (word = εκφώνηση):
Σχετικά 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.
Το καλύτερο για: Emotionally expressive content, audiobooks, virtual assistants
Περιήγηση σε όλα IndexTTS-2 φωνέςΜε μια ματιά.
- Προγραμματιστής
- Index Team
- Άδεια
- Bilibili Model License
- Βαθμίδα
- standard
- Ταχύτητα
- medium
- Κλωνοποίηση φωνής
- Ναι.
- Γλώσσες
- English, Chinese
- Μεγ. χαρακτήρες
- 1000