IndexTTS2语音合成：5分钟快速上手全攻略

【免费下载链接】index-tts An Industrial-Level Controllable and Efficient Zero-Shot Text-To-Speech System 项目地址: https://gitcode.com/gh_mirrors/in/index-tts

IndexTTS2是一款突破性的情感表达与时长可控的自回归零样本文本转语音系统，在语音自然度、说话人相似度和情感保真度方面均超越现有零样本TTS模型。无论您是技术爱好者还是初学者，都能在短短几分钟内体验到专业级语音合成的魅力。

系统准备：简单环境检查

在开始之前，请确保您的系统满足以下基本要求：

• Python版本：3.10.12
• CUDA版本：12.8.0或更高
• Git工具：2.40+版本
• 显卡显存：最低6GB，推荐8GB+

极速安装：三步完成配置

1. 安装Git LFS

IndexTTS2使用Git LFS管理大型模型文件，必须先安装：

git lfs install

2. 克隆项目并下载模型

git clone https://gitcode.com/gh_mirrors/in/index-tts && cd index-tts
git lfs pull --include "checkpoints/*" "examples/*.wav"

3. 一键安装依赖

pip install -U uv
uv sync --all-extras

配置国内镜像加速下载：

uv config set default-index https://mirrors.aliyun.com/pypi/simple

基础使用：立即体验语音合成

Web界面快速体验

启动Web演示界面，零代码体验语音合成：

uv run webui.py

浏览器访问 http://127.0.0.1:7860 即可开始使用。

Python脚本基础调用

from indextts.infer_v2 import IndexTTS2

tts = IndexTTS2(
    cfg_path="checkpoints/config.yaml", 
    model_dir="checkpoints"
)

text = "欢迎使用IndexTTS2语音合成系统"
tts.infer(
    spk_audio_prompt='examples/voice_01.wav', 
    text=text, 
    output_path="output.wav"
)

进阶技巧：实用功能小贴士

情感控制合成

想让语音带有特定情感？只需提供一个情感参考音频：

tts.infer(
    spk_audio_prompt='examples/voice_07.wav', 
    text="这段语音将带有悲伤的情感", 
    output_path="emotional.wav",
    emo_audio_prompt="examples/emo_sad.wav"
)

精确情感向量控制

想要更精确的情感控制？使用情感向量：

tts.infer(
    spk_audio_prompt='examples/voice_10.wav', 
    text="这段语音将带有惊讶的情感", 
    output_path="controlled.wav",
    emo_vector=[0, 0, 0, 0, 0, 0, 0.45, 0]
)

性能优化：提升合成体验

显存优化配置

对于6GB显存的设备，建议启用FP16半精度推理：

tts = IndexTTS2(
    cfg_path="checkpoints/config.yaml", 
    model_dir="checkpoints",
    use_fp16=True  # 减少约50%显存占用
)

推理速度优化

• 增加缓存大小至2048
• 调整采样温度至0.5-0.7范围
• 根据硬件条件选择性启用CUDA内核加速

问题排查：常见问题速查

模型加载失败

• 确认checkpoints目录下包含完整的模型文件
• 重新下载缺失的模型文件
• 验证Git LFS是否正确配置

CUDA版本不匹配

uv run python -c "import torch; print(torch.version.cuda)"

环境验证

运行环境验证脚本，确保一切正常：

uv run tools/gpu_check.py

执行基础功能测试：

uv run indextts/infer_v2.py \
  --spk_audio_prompt examples/voice_01.wav \
  --text "IndexTTS2环境配置完成" \
  --output_path test.wav \
  --use_fp16 true

立即开始您的语音合成之旅

IndexTTS2让语音合成变得前所未有的简单。无论您是想为视频配音、制作有声读物，还是探索AI语音技术，现在就是最佳时机。按照本指南的步骤，您将在5分钟内完成环境配置并生成第一段合成语音。

记住：语音合成的未来，现在就在您的手中！

【免费下载链接】index-tts An Industrial-Level Controllable and Efficient Zero-Shot Text-To-Speech System 项目地址: https://gitcode.com/gh_mirrors/in/index-tts