- 研发团队
- bilibili IndexTTS
- 本文版本
- v2.0.0 / IndexTTS-2
- 情绪入口
- 参考音频、八维向量、文字描述
- 推理入口
- indextts.infer_v2.IndexTTS2
值得关注的优势
论文能力与发布能力要分开看
IndexTTS2 论文提出精确时长控制，但 v2.0.0 发布说明明确写着该功能尚未开放。因此，本页不把“输入秒数即可精准对齐视频”当成该公开版本可用的功能。
官方来源 [1]让情绪强度服务台词
公开示例通过 emo_audio_prompt、emo_vector 或 emo_text 等不同入口控制情绪。情绪强度过高时仍需试听发音与连贯性；官方对文字情绪模式建议使用较温和的强度。
中文纠音继续采用汉字与拼音混合输入，但只支持有效拼音词表中的组合。
官方来源 [1]使用与部署
- 安装 Git、Git LFS 和 uv，并根据官方说明准备支持的 GPU/PyTorch 环境。下面固定检出 v2.0.0，避免与后续版本混用。
- 同步 WebUI 依赖并下载 IndexTeam/IndexTTS-2 到 checkpoints。第一次启动还可能下载其他辅助模型，需要保证模型下载源可访问。
- 运行 uv run webui.py，再选择音色参考和情绪控制方式。需要代码集成时按该版本的 IndexTTS2 示例调用。
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.py使用前需要了解
- 不要把 v2.0.0、后续 2.x 版本和论文实验的全部功能视为同一个可运行版本。
- 公开示例提示随机采样可能降低复刻相似度，调节情绪时应同时对比音色一致性与文本清晰度。
适合什么场景
适合游戏角色、情绪对白、有声故事，以及需要同一音色演绎多种情绪的配音流程。