Bilibili 开源 IndexTTS 2：情感表达与时长可控的自回归零样本文本转语音技术的重大突破
近日，Bilibili Index团队宣布正式开源其新一代文本转语音系统IndexTTS-2.0。该系统为自回归零样本TTS模型，具备情感丰富与语音时长可控的特点。
IndexTTS-2.0提出了一种通用型“时间编码”机制，有效解决了传统自回归模型在语音时长控制上的难题。同时，该系统采用音色与情感解耦建模方法，支持通过单音频参考、情感参考音频、情感向量或文本描述等多种方式调节合成语音的情感表达，提升了生成语音的表现力和应用灵活性。
该技术可广泛应用于AI配音、有声读物、动态漫画、视频翻译、语音对话及播客制作等多个场景，被认为对推动零样本TTS技术实用化具有积极意义。
目前，项目相关论文、完整代码、模型权重及在线演示页面均已公开。团队表示将继续优化模型性能，并逐步开放更多资源与工具，以促进开发者社区的共建与合作。
Telegram 评论区
19 条回复，可以前往 Telegram 继续讨论。