IndexTTS 1.5：Bilibili の安定性を重視した中英音声クローン

注目したい強み

読みを調整できるナレーション工程

解説、講義、製品名や中英混在原稿では、演技より先に正しく読めることが重要です。拼音、句読点、参照音声を別々の調整手段として使えます。

発音修正は特定の入力方式であり、あらゆる自然言語の演技指示を受け付けるという意味ではありません。

コードと重みの版を揃える

本ページは v1.5.0 のコードと IndexTTS-1.5 の重みを参照します。2 版の推論入口や感情パラメーターと混ぜず、評価するモデルを固定してください。

利用・導入方法

1. 下の例は Linux/NVIDIA 向けです。Git と Conda を導入し、機器に合う PyTorch/CUDA を確認します。
2. v1.5.0 を取得し Python 3.10 環境に FFmpeg、PyTorch、WebUI を導入して checkpoints に重みを保存します。
3. webui.py を起動しローカル 7860 番へアクセスします。Python 組み込みでは indextts.infer.IndexTTS を使います。

git clone --branch v1.5.0 https://github.com/index-tts/index-tts.git
cd index-tts
conda create -n indextts15 python=3.10
conda activate indextts15
conda install -c conda-forge ffmpeg
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install -e '.[webui]' --no-build-isolation
pip install 'huggingface_hub[cli]'
huggingface-cli download IndexTeam/IndexTTS-1.5 --local-dir checkpoints
python webui.py

利用前に知っておくこと

• CUDA 11.8 の例は当該版の文書に基づきます。ドライバーと PyTorch の互換性は機器ごとに確認してください。
• 感情参照音声や 8 次元の感情ベクトルは 2 版の機能であり、1.5 には含めません。

適した用途

中英ナレーション、発音修正、既存 1.x 環境を固定バージョンで再現したい開発者に適しています。

公式資料・出典

1. IndexTTS · v1.5.0 READMEhttps://github.com/index-tts/index-tts/tree/v1.5.0
2. IndexTTS · Technical paperhttps://arxiv.org/abs/2502.05512
3. IndexTeam/IndexTTS-1.5 · Model weightshttps://huggingface.co/IndexTeam/IndexTTS-1.5