IndexTTS2IndexTTS2
Open Source🚀 Licencia Apache 2.0 - ¡Gratis para Uso Comercial!

IndexTTS2: TTS Zero-Shot con Control Emocional y de Duración

IndexTTS2 es un poderoso sistema autorregresivo de texto a voz zero-shot que logra un control sin precedentes sobre la generación de voz. Con expresión emocional avanzada, control preciso de duración y capacidades de clonación de voz instantánea, ofrece síntesis de voz natural y expresiva en múltiples idiomas. Lanzado bajo licencia Apache 2.0, es completamente open source y listo para uso comercial.

Déjales las Balas Volar - Demo de Control de Duración

Demostrando control preciso de duración del habla con preservación de expresión emocional

Control de Duración

Ajuste preciso del tiempo

Control Emocional

Expresión emocional natural

Zero-Shot

Sin entrenamiento requerido

Probar Demo en Vivo de IndexTTS2

Experimenta las poderosas capacidades de clonación de voz y control emocional de IndexTTS2 en tiempo real. Genera voz natural y expresiva con control preciso de duración y soporte multiidioma. Clona cualquier voz instantáneamente sin entrenamiento.

Loading IndexTTS2...

Reseñas

Lo que la Gente Dice sobre IndexTTS2

Escucha lo que investigadores, desarrolladores y entusiastas de IA están diciendo sobre las revolucionarias capacidades de clonación de voz y control emocional de IndexTTS2

Index TTS2 – ¡Un TTS MUY Emotivo Con Clonación de Voz!

Index TTS2 – ¡Un TTS MUY Emotivo Con Clonación de Voz!

Estos modelos de código abierto se están volviendo increíblemente buenos. Genuinamente impresionado.

¡Fantástico Nuevo Modelo de IA de Texto a Voz Lanzado! Index TTS 2 Primeras Impresiones

¡Fantástico Nuevo Modelo de IA de Texto a Voz Lanzado! Index TTS 2 Primeras Impresiones

Higgs Audio sigue invicto. Con suerte su modelo entrenado v3 presentará emociones controlables.

¡El nuevo mejor texto a voz de IA está aquí! Gratis y sin censura. Tutorial IndexTTS2

¡El nuevo mejor texto a voz de IA está aquí! Gratis y sin censura. Tutorial IndexTTS2

"Hola, soy la madre de Joe, no se siente bien hoy y necesitará quedarse en casa sin ir a la escuela hasta que se recupere."

Comparación de Rendimiento con Modelos TTS Líderes

Ve cómo se posiciona IndexTTS2 frente a los modelos de texto a voz más avanzados en expresión emocional, precisión de duración, calidad de clonación de voz y soporte multiidioma.

MetricIndexTTS2OpenAI TTSElevenLabsAzure TTSF5-TTSCosyVoice
WER (Word Error Rate)%
1.01
N/A
N/A
N/A
1.56
1.45
Speaker Similarity
0.87
N/A
N/A
N/A
0.82
0.85
MOS (Naturalness)/5.0
4.54
4.2
4.3
4.3
4.19
4.12
Emotion Control
✓
✗
Limited
Limited
✗
✓
Duration Control
✓
✗
✗
✗
Limited
Limited
Zero-Shot Cloning
✓
✓
✓
✗
✓
✓
Supported Languages
2+
57
29
119
2
Multi
RTF (Real-Time Factor)
N/A
0.20
0.15
N/A
0.15
N/A

Comparative performance across key TTS quality metrics based on academic benchmarks

Data Sources: IndexTTS2 (arXiv 2506.21619), F5-TTS (arXiv 2410.06885), CosyVoice2 (arXiv 2412.10117)

Note: N/A indicates data not publicly available. Commercial models evaluated through third-party benchmarks.

✓ = Supported | ✗ = Not Supported | Limited = Partial Support

Despliegue Local

Guía de Inicio Rápido

Despliega IndexTTS2 localmente en minutos con nuestra completa guía paso a paso. Comienza a generar voz natural y emocional con capacidades de clonación de voz zero-shot.

Ejemplo de API Python

from indextts import IndexTTS

# Initialize the model
tts = IndexTTS()

# Generate speech from text
audio = tts.synthesize(
    text="Hello world! Welcome to IndexTTS2.",
    voice_reference="path/to/reference.wav",  # Optional: clone a voice
    emotion="neutral",  # Control emotion: happy, sad, angry, neutral
    speed=1.0,  # Adjust speaking speed
    language="en"  # Supported: en, zh
)

# Save the output
audio.save("output.wav")

Documentación

Guías completas y referencia de API

Repositorio de GitHub

Código fuente y ejemplos

Comunidad

Obtén ayuda y comparte ideas

Características Clave de IndexTTS2

Descubre las poderosas capacidades que hacen de IndexTTS2 la elección ideal para generación de texto a voz expresiva y controlable.

Clonación de Voz Zero-Shot

Clona instantáneamente cualquier voz desde solo unos segundos de audio sin entrenamiento. Logra reproducción de voz de alta fidelidad con consistencia del hablante en diversos contenidos y emociones.

Control de Expresión Emocional

Desacopla timbre de emoción para control independiente. Usa descripciones de texto para guiar expresión emocional (feliz, triste, emocionado, enojado) manteniendo identidad de voz y naturalidad.

Control Preciso de Duración

Primer TTS autorregresivo combinando control preciso de duración con generación natural. Logra tiempo de habla preciso sin sacrificar expresividad o calidad de prosodia.

Soporte Multiidioma

Soporte nativo para síntesis en chino (mandarín), inglés y chino-inglés mixto. Mantiene pronunciación natural y entonación a través de fronteras de idioma.

Control de Pronunciación Pinyin

Control avanzado de pronunciación a través de notación pinyin para texto chino. Resuelve pronunciaciones ambiguas y asegura lectura precisa de caracteres en contextos complejos.

Alta Naturalidad y Claridad

Tasa de error de palabra (WER) superior y preservación de emoción comparado con modelos existentes. Logra calificaciones de naturalidad similares a las humanas con excepcional claridad e inteligibilidad.

Lo que la Gente Está Hablando sobre IndexTTS2 en X

Únete a la conversación sobre IndexTTS2 y comparte tu experiencia con la comunidad de investigación

Preguntas Frecuentes