简介
IndexTTS 是一个工业级可控高效的零样本语音合成系统，支持精准控制语音时长，情感与音色解耦，满足高要求音视频同步场景。
主要特性
- 支持两种生成模式：精确时长控制与自由生成
- 情感表达与音色独立可控，支持多情感风格
- 三阶段训练范式，提升语音稳定性与清晰度
- 支持软指令机制，文本描述即可引导情感生成
使用场景
- 视频配音与音视频同步
- 智能语音助手与个性化播报
- 多情感语音生成与风格迁移
技术特点
采用创新的时长控制方法，结合 GPT 潜表示与软指令机制，显著提升语音合成的灵活性与表现力。模型开源，支持多数据集，性能优于主流零样本 TTS 系统。