IndexTTS
IndexTTS 是 Bilibili 开发的工业级文本转语音系统，可提供高质量的语音合成，并具有零样本语音克隆、多语言支持和情感控制功能。
IndexTTS 的主要功能
IndexTTS 是由 Bilibili 开发的工业级文本转语音系统，提供零样本语音克隆、多语言支持和情感控制功能。
零样本语音克隆
仅使用一段简短的参考音频即可复制任何说话者的声音特征，无需额外训练
发音校正
先进的基于拼音的校正系统，完美处理多音字、生僻字和发音细微差别
多语言支持
无缝合成包括中文和英文在内的多种语言的语音，并实现自然的语码转换
情感控制
控制合成语音中的情感基调，以创建更具表现力和自然的声音
高品质音频
集成的 BigVGAN2 声码器确保卓越的音频质量和高说话人相似度（MOS：4.01）
停顿控制
通过标点符号精确控制语音节奏和停顿，实现自然的声音传递
热门用例
了解 IndexTTS 如何改变您的音频内容创作工作流程
内容创作
为视频、播客和教育内容生成自然的旁白，无需录音设备
有声读物制作
将书籍和文章转换为引人入胜的有声读物，具有一致的语音质量和情感表达
语言学习
创建用于语言教育的发音示例和听力材料，具有母语般的质量
辅助功能
通过高质量的文本转语音转换，使书面内容可供视力障碍用户访问
语音克隆
保存和复制语音，用于个性化 AI 助手、虚拟角色或纪念目的
多语言媒体
创建具有不同语言的自然声音的多语言内容，面向全球受众
IndexTTS 的文本输入指南
了解如何制作有效的文本输入，以获得最佳的语音合成效果
基本要素
清晰的文本结构
使用正确的标点符号来控制生成的语音中的停顿和节奏
发音提示
对于中文文本，使用拼音标注来校正多音字
情感标签
指定情感基调，使语音更具表现力和自然感
语言混合
在文本输入中无缝混合中文和英文
获得更好效果的专业提示
使用自然的标点符号
自然地添加逗号、句号和感叹号，以控制语音节奏和停顿
高质量参考音频
对于语音克隆，请使用背景噪音最小的清晰参考音频（5-10 秒为最佳）
分解长文本
将非常长的文本分成较小的块，以获得更一致的质量和更轻松的处理
测试发音
对于包含生僻字的中文文本，请测试发音并在需要时添加拼音校正
基本输入与增强输入
"今天天气很好"
"今天天气很好，让我们出去走走吧！"
"I have great news to share"
"[Excited] I have great news to share with everyone!"
如何使用 IndexTTS
按照这些简单的步骤，从您的文本生成高质量的语音
准备您的文本
输入或粘贴您要转换为语音的文本。使用正确的标点符号，并在需要时添加发音提示。
上传参考音频（可选）
对于语音克隆，上传目标语音的 5-10 秒清晰音频样本。跳过此步骤以使用默认语音。
选择语言和情感
选择您的主要语言（中文/英文），如果需要表达性语音，请选择情感标签。
生成并下载
单击生成以创建您的音频。预览结果并在满意时下载音频文件。
快速提示
- •参考音频应清晰，背景噪音最小，以获得最佳的语音克隆效果
- •较长的文本可能需要更多时间来处理 - 考虑将它们分成较小的片段
- •尝试不同的标点符号模式以实现您想要的语音节奏
- •对于中文文本，拼音校正可以显着提高发音准确性
生成的语音质量取决于输入文本的清晰度和参考音频质量（对于语音克隆）。为获得最佳效果，请使用格式良好的文本和自然的标点符号。
常见问题解答
查找有关 IndexTTS 的常见问题的答案
准备好创建自然语音了吗？
立即开始使用 IndexTTS，将您的文本转换为高质量、自然的声音，并具有先进的语音克隆功能
IndexTTS 在 25,000 小时的中文音频和 9,000 小时的英文音频上进行了训练，确保您的项目具有专业级的质量