IndexTTS-2 ТТС
A zero-shot TTS model with fine-grained emotion control via emotion vectors, no emotion-specific training data required.
Мәтінді SSML тегтермен тасымалдау үшін нұсқау:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Таңдалған үлгі түсінетін тегтер - біреуін мәтінге түсіру үшін түртіңіз:
Бұл модель қарапайым мәтін оқиды, сондықтан жол ішіндегі тегтер елеусіз қалып жатыр. Тегтерге негізделген эмоция үшін Orpheus не Bark сияқты өрнекті модельге ауысыңыз.
Өзінің дыбысын анықтау (сөз = дыбысы):
& Бұл туралы 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.
Келесіге ең қолайлы: Emotionally expressive content, audiobooks, virtual assistants
Барлығын қарау IndexTTS-2 дауысБір қарапайым
- Жасаушы
- Index Team
- Лицензия
- Bilibili Model License
- Түр
- standard
- Жылдамдығы
- medium
- Дыбысын көшіру
- Иә
- Тілдер
- English, Chinese
- Макс. таңбалар саны
- 1000