IndexTTS精準控制時長與情感的零樣本語音合成

項目簡介

IndexTTS 是嗶哩嗶哩推出的開源零樣本文本轉語音（TTS）系統，主打從短參考音頻中克隆說話人，將文本轉化為自然語音。其獨特之處在於對多數 TTS 系統難以處理的音頻時長和情感基調提供異常精準的控制。

核心功能

• 零樣本克隆：僅需短參考音頻即可複製說話人音色。
• 精準時長控制：可精確指定生成音頻的時長。
• 情感控制：能細緻調節語音的情感色彩。
• IndexTTS2 升級：最新系列解耦說話人音色與情感，支持跨語言合成，並可用純文本情感描述進行引導。

技術棧與許可

項目主要使用 Python 開發，採用 Apache 2.0 開源許可證，允許自由使用和修改。

上手方式

具體安裝和運行步驟請參考項目 README 文檔，其中包含詳細的環境配置和示例用法。