IndexTTS2

IndexTTS2 是 Bilibili / Index 团队在 2025 年推出的第二代开源文本转语音（TTS）系统，主打「高表现力情感合成 + 精确时长控制 + 零样本声音克隆」，并已以论文、代码与模型权重形式公开，面向本地部署与工业落地。

视频演示

可控情感语音生成用于视听配音——以《甄嬛传》中的经典场景为例

产品功能

• 零样本语音克隆：仅需一段示例音频即可克隆说话风格与音色（zero-shot）。
• 情感可控合成：支持多种情感/表达强度控制（文字描述、参考音频或向量化控制）。
• 精确时长控制：作为自回归模型首次提出对「合成时长」的精细控制方法，便于对口型配音与视音同步。
• 多语/长文本支持：针对长文本、多角色、批量任务提供适配或工具链（社区整合包/脚本）。

使用教程

目前该项目已经在github开源，感兴趣的小伙伴可以去下载自己在本地部署。

github ：https://github.com/index-tts/index-tts

Hugging Face在线体验Demo：https://huggingface.co/spaces/IndexTeam/IndexTTS-2-Demo

演示页面：https://index-tts.github.io/index-tts2.github.io/