- 개발팀
- bilibili IndexTTS
- 대상 버전
- v2.0.0 / IndexTTS-2
- 감정 입력
- 오디오·8차원 벡터·텍스트
- 추론 진입점
- indextts.infer_v2.IndexTTS2
주목할 장점
논문 기능과 공개 기능 구분
논문은 정밀 길이 제어를 제안하지만 v2.0.0은 아직 활성화되지 않았다고 명시합니다. 따라서 이 공개 버전이 초 단위 입력으로 영상에 정확히 맞춘다고 설명하지 않습니다.
공식 출처 [1]대사에 맞는 감정 강도
공개 예제는 emo_audio_prompt, emo_vector와 emo_text를 제공합니다. 강한 감정에서는 발음과 연속성도 확인해야 하며 텍스트 모드는 완만한 강도부터 시도하는 편이 좋습니다.
중국어 한자·병음 혼합 교정도 유지되지만 유효한 병음 어휘 범위에서 동작합니다.
공식 출처 [1]사용 및 배포
- Git, Git LFS, uv와 지원하는 GPU/PyTorch 환경을 준비합니다. 아래 명령은 예제에 맞게 v2.0.0을 고정합니다.
- WebUI 의존성과 IndexTeam/IndexTTS-2를 checkpoints로 받습니다. 첫 실행에 보조 모델을 추가 다운로드할 수 있습니다.
- uv run webui.py로 화자 참조와 감정 입력을 선택합니다. 코드 연동은 해당 버전 IndexTTS2 예제를 사용합니다.
IndexTTS 2bash
git clone --branch v2.0.0 https://github.com/index-tts/index-tts.git
cd index-tts
git lfs install
git lfs pull
uv sync --extra webui
uv tool install 'huggingface-hub[cli]'
hf download IndexTeam/IndexTTS-2 --local-dir checkpoints
uv run webui.py사용 전 알아둘 점
- v2.0.0, 이후 2.x와 논문의 실험 기능을 하나의 실행 가능 기능 집합으로 보지 마세요.
- 무작위 샘플링은 복제 유사도를 낮출 수 있으므로 감정 조정 시 음색 일치와 명료도도 비교합니다.
적합한 활용 사례
게임 캐릭터, 감정 대사, 오디오북과 같은 화자가 여러 감정을 표현하는 작업에 적합합니다.
공식 자료와 출처
DS Speech는 현재 Qwen-Audio-3.0-TTS를 온라인으로 제공합니다. 다른 모델의 소개, 명령과 링크는 학습과 자체 배포를 위한 자료입니다.