概要
IndexTTS2は、感情豊かで再生時間の厳密な制御が可能な自己回帰型ゼロショットテキスト音声合成（TTS）モデルです。
動画の吹き替えなど、音声と映像の同期が重要なアプリケーションにおいて、音声の長さを正確に指定したり、プロソディ特徴を維持しつつ自由に生成したりすることが可能です。
また、声色と感情表現を独立して制御できるため、ターゲットの声色を再現しつつ、特定の感情を付与した音声を合成できます。
高度な音声生成と感情制御を求める開発者や研究者に最適です。
互換性・特徴
- ゼロショットTTS
- 感情制御
- 時間制御
- Python
- 研究・開発
- API/モデル
基本情報
| ライセンス | NOASSERTION |
| Stars | 21,574 |
| Forks | 2,644 |
| カテゴリ | 音声生成 / TTS |
| アクティビティ | high |
最新のissue
- Unofficial Training/Finetuning Code for v2 – Multilingual Training, Single Language Training, etc. (更新: 2026-07-01)
- Can someone help me adapt the index tokenizer to the Russian language? (更新: 2026-06-30)
- indextts\infer_v2.py 好像有一些bug (更新: 2026-06-27)
- 指定汉字发音的，感觉有的汉字不行啊，就算指定了，发音还是不对，是模型的问题吗？ (更新: 2026-06-26)
最新リリース: IndexTTS-1.5 (2025-09-01)