Mots clés le modèle sélectionné comprend — cliquez pour en déposer un dans votre texte où il se produit:
Ce modèle lit du texte clair, donc les balises en ligne sont ignorées. Pour l'émotion basée sur les tags, passer à un modèle expressif comme Orphée ou Bark.
Mentionnée par Qwen3-TTS aujourd'hui; d'autres modèles expressifs arrivent bientôt.
Ce modèle ne prend pas en charge les instructions de style — passer à un modèle qui le fait (par exemple Qwen3-TTS).
Définir les prononciations personnalisées (mot = prononciation) :
-12
+12
Contrôle de l'expressivité (0 = neutre, 1 = très expressif)
Poids indicatif sans classificateur (plus élevé = suivi plus rapide)
Décrivez le style de la voix en langage naturel (Parler utilise ceci au lieu de voix prédéfinies)
Format de la boîte de dialogue : Utilisez les balises [S1] et [S2] pour marquer différents haut-parleurs. Exemple: [S1] Bonjour! [S2] Bonjour, comment allez-vous?
Il s'agit d'un modèle de voix premium, disponible sur n'importe quel forfait payant. Vous pouvez toujours prévisualiser ses voix gratuitement avec le bouton de lecture à côté du sélectionneur de voix.
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.
It uses emotion vectors that let you specify tones such as happy, sad, angry, or fearful without needing emotion-specific training data, and the emotional expression is controlled independently from the voice identity.
Yes. It performs zero-shot voice cloning from a short reference, typically around five seconds of audio, in English or Chinese.
Its weights are released under the Bilibili Model License, which allows commercial use for products below defined user and revenue thresholds. Larger deployments should review the license terms. On TTS.ai, audio you make with it is for personal use on the free tier and can be used commercially on any paid plan.
Entrez votre e-mail pour continuer à générer la parole gratuitement, ou inscrivez-vous pour 15 000 caractères bonus.
Pas de mot de passe nécessaire — nous vous enverrons un lien pour en définir un plus tard.
Limite de niveau libre atteinte
Vous avez utilisé vos 5 000 caractères quotidiens gratuits. Créez un compte gratuit pour obtenir 15 000 caractères bonus plus 10 000 caractères gratuits chaque mois.
Vous avez atteint votre limite de modèle libre. Mettez à niveau pour plus de caractères, ou achetez un pack de caractères pour utiliser des modèles premium.
