IndexTTS-2 TTS
A zero-shot TTS model with fine-grained emotion control via emotion vectors, no emotion-specific training data required.
SSML ٹیگ میں اپنے متن کو دقيق کنٹرول کے لیے لپیٹیں:
<speak><prosody rate="slow">Slow speech</prosody></speak>
تگ منتخب ماڈل سمجھتا هے - آپ کے متن ميں ایک ڈالنے کے ليے کلک کريں جہاں هيں :
هي ماڈل عام متن پڑھتا هے ، تو ان لائن ٹگز کو نظر انداز کريں تا گ ڑي گي ايميشن کے ليے ، اورف يا بارک کے ليے بيان کر نے والے ماڈل ميں تبديل کريں
خود ساختہ تلفظ (لفظ = تلفظ):
متعلقہ 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.
بہترین: Emotionally expressive content, audiobooks, virtual assistants
سب براؤز کریں IndexTTS-2 آوازیںایک نظر میں
- ڈیولپر
- Index Team
- لائسنس
- Bilibili Model License
- تير
- standard
- رفتار
- medium
- آواز کا کلوننگ
- جی ہاں
- زبانیں
- English, Chinese
- زیادہ سے زیادہ حروف
- 1000