IndexTTS2是一款革命性的工业级可控高效零样本文本转语音系统，它突破了传统自回归TTS模型的时长控制限制，实现了精确的情感表达与时长可控的自回归零样本语音合成。作为首个支持精确合成时长控制的自回归TTS模型，IndexTTS2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。

【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

🎯 项目核心亮点

情感与时长双重可控 - IndexTTS2实现了情感表达与说话人身份的解耦，可独立控制音色和情感。在零样本设置下，模型能准确复刻目标音色，同时完美还原指定的情感语调。

两大生成模式：

• 精确时长模式：显式指定生成token数量，完美控制语音时长
• 自由生成模式：自回归生成语音，忠实还原输入提示的韵律特征

🚀 快速开始：5分钟部署

环境准备

确保系统已安装git和git-lfs：

git lfs install

获取项目代码

git clone https://gitcode.com/gh_mirrors/in/index-tts.git && cd index-tts
git lfs pull

一键安装依赖

使用uv包管理器快速安装：

uv sync --all-extras

💡 小贴士：国内用户可使用国内镜像加速下载：

uv sync --all-extras --default-index "https://mirrors.aliyun.com/pypi/simple"

下载预训练模型

hf download IndexTeam/IndexTTS-2 --local-dir=checkpoints

🌐 立即体验Web界面

运行Web演示：

uv run webui.py

访问 http://127.0.0.1:7860 即可开始使用！

🔧 高级功能详解

音色克隆功能

使用单一参考音频即可生成相同音色的语音：

from indextts.infer_v2 import IndexTTS2
tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints")
text = "大家好，欢迎体验IndexTTS2语音合成技术"
tts.infer(spk_audio_prompt='examples/voice_01.wav', text=text, output_path="output.wav")

情感控制功能

支持多种情感控制方式：

1. 情感参考音频

tts.infer(spk_audio_prompt='examples/voice_07.wav', text=text, output_path="gen.wav", emo_audio_prompt="examples/emo_sad.wav")

2. 情感向量控制

tts.infer(spk_audio_prompt='examples/voice_10.wav', text=text, output_path="gen.wav", emo_vector=[0, 0, 0, 0, 0, 0, 0.45, 0])

3. 文本情感描述

tts.infer(spk_audio_prompt='examples/voice_12.wav', text=text, output_path="gen.wav", emo_text="你吓死我了！你是鬼吗？")

🎨 技术架构深度解析

IndexTTS2采用创新的三阶段训练范式，引入GPT潜在表示，显著提升生成语音的稳定性。

📊 性能优势对比

• 词错误率：显著低于现有模型
• 说话人相似度：达到业界领先水平
• 情感保真度：完美还原指定情感语调
• 时长控制精度：首个实现精确时长控制的自回归TTS模型

🛠️ 多平台兼容性

支持平台：

• Windows 10/11
• Linux (Ubuntu/CentOS)
• macOS (Intel/Apple Silicon)

💡 实用技巧与最佳实践

GPU加速检测

确保PyTorch正确识别GPU：

uv run tools/gpu_check.py

性能优化建议

• 启用FP16推理降低显存占用
• 使用DeepSpeed加速推理速度
• 配置CUDA内核编译获得最佳性能

🎉 开始你的AI语音之旅

IndexTTS2的强大功能让每个人都能轻松创建高质量的合成语音。无论是视频配音、有声读物制作，还是语音助手开发，IndexTTS2都能提供专业的解决方案。

立即开始，在5分钟内体验下一代AI语音合成技术的魅力！

🌟 专业提示：IndexTTS2支持拼音混合建模，可实现更精确的发音控制。具体可参考项目中的checkpoints/pinyin.vocab文件。

【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