IndexTTS

يدعم IndexTTS بشكل أساسي اللغتين الصينية والإنجليزية، مع أداء ممتاز في كلتا اللغتين. كما أنه يتعامل مع تبديل الكود الصيني-الإنجليزي بشكل طبيعي، مما يجعله مثاليًا للمحتوى ثنائي اللغة.

مقطع صوتي واضح لمدة 5-10 ثوانٍ هو الأمثل لاستنساخ الصوت. يجب أن يحتوي الصوت على الحد الأدنى من الضوضاء في الخلفية وأن يمثل بوضوح خصائص صوت المتحدث.

IndexTTS هو نظام مفتوح المصدر. يرجى مراجعة شروط الترخيص والتأكد من أن لديك الحقوق المناسبة لأي صوت مرجعي تستخدمه لاستنساخ الصوت.

يوفر IndexTTS جودة صناعية مع استنساخ صوتي فوري وتصحيح نطق متقدم للنص الصيني والتحكم في المشاعر وتشابه عالٍ للمتحدث (0.776) مع جودة صوت ممتازة (MOS: 4.01).

يحقق IndexTTS معدل خطأ في الكلمات (WER) يبلغ 1.3٪ فقط، مما يشير إلى دقة نطق عالية جدًا. بالنسبة للنص الصيني، يمكنك زيادة تحسين الدقة باستخدام تصحيحات بينيين.

ينتج IndexTTS مخرجات صوتية عالية الجودة باستخدام برنامج BigVGAN2، عادةً بتنسيق WAV بوضوح وطبيعية ممتازين.

نعم، يمكنك التحكم في التوقفات من خلال علامات الترقيم، ويدعم IndexTTS2 التحكم في المشاعر من خلال علامات المشاعر لجعل الكلام أكثر تعبيرًا.

في حين أن IndexTTS يمكنه التعامل مع أطوال نصوص مختلفة، فمن الأفضل معالجة النصوص الطويلة جدًا في أجزاء أصغر للحصول على جودة مثالية وكفاءة معالجة.