IndexTTS

简介

IndexTTS 是哔哩哔哩（Bilibili）开源的中文语音合成模型，以「高表现力」和「零样本克隆」为核心卖点。它只需几秒钟的参考音频，就能复刻说话人的音色，并支持对情感、语速进行细粒度调节，在中文自然度和表现力上达到业界领先水平。

核心功能

• 零样本音色克隆：上传短音频即可生成相似音色的语音。
• 情感控制：通过提示或参数调节喜怒哀乐等情绪色彩。
• 中英混读：针对中文场景优化，多音字与英文缩写处理自然。

使用场景

IndexTTS 适合用于有声书配音、短视频旁白、虚拟主播、播客制作以及个性化语音助手等场景。对于希望自建 TTS 能力且注重数据隐私的团队，它是极具吸引力的开源选择。