IndexTTS-2 ТТС
A zero-shot TTS model with fine-grained emotion control via emotion vectors, no emotion-specific training data required.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
За 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.
Најдобро за: Emotionally expressive content, audiobooks, virtual assistants
Прелистувај ги сите IndexTTS-2 гласовиНа еден поглед
- Развивач
- Index Team
- Лиценца
- Bilibili Model License
- Ниво
- standard
- Брзина
- medium
- Гласовно клонирање
- Да.
- Јазици
- English, Chinese
- Макс. знаци
- 1000