INDEXTTS2官网下载 | IndexTTS-2.0本地部署安装包 | 最强声音克隆大师 | B站出品的最强开源新一代零样本语音合成模型

• 精准时长控制：IndexTTS2 凭借 “时间编码机制” 与 “灵活时长模式” 两大核心技术，首次在自回归 TTS 架构中实现了毫秒级精准时长控制。它提供可控模式和自由模式两种时长控制模式，可控模式下用户可直接指定目标时长比例或具体 token 数量，在 SeedTTS 测试集上，0.75 倍速至 1.25 倍速的时长误差率低于 0.07%；自由模式下模型可自动复刻参考音频的原始节奏，保持情感自然。
• 情感与音色分离建模：该模型通过引入对比学习的情感编码器和说话人特征提取器，实现了情感表达与音色特征的彻底解耦。用户可以独立控制情感和音色，例如用一段音频保留音色，再用另一段不同情感的音频或文本描述赋予情绪，在零样本条件下，模型能精准还原目标音色并完全重现指定情绪。

• 多模态情感输入支持：IndexTTS2 内置 T2E（Text-to-Emotion）模块，基于 Qwen-3 微调模型，将自然语言描述转为情绪向量。用户可以通过音频情感参考、文本情感描述或情感向量等多种方式来控制生成语音的情感，只需输入一句文字描述，如 “愤怒地质问”，即可驱动合成语音的情绪表现。
• 更强的情感表达能力：在情感语音测试集中，IndexTTS2 达到了 0.887 的情感相似度（ES）和 4.22 的情感 MOS（EMOS），这一表现显著超越了其他被评估的系统和 SOTA 模型，同时其词错误率（WER）仅为 1.883%，在保持卓越文本准确性的同时实现了情感表达能力的提升。
• 
• 更好的语音稳定性：IndexTTS2 通过 GPT latent representations 和 soft instruction mechanisms 等技术，增强了语音生成的稳定性，在多个数据集上的实验结果表明，它在词错误率、说话人相似度以及情感保真度等多个关键指标上均优于当前最先进的零样本语音合成模型。
• 高效推理：IndexTTS2 支持 FP16、DeepSpeed 加速，显著降低显存占用，其推理速度（RTF）低至 0.08-0.12，首包延迟为 80-150ms，VRAM 占用为 3.2GB，相比 Tacotron2、VITS 等主流 TTS 系统，在效率上展现出显著优势。
• 零样本语音克隆：只需一段参考音频，IndexTTS2 即可快速复刻音色，为用户提供了便捷的语音克隆方式，可应用于虚拟主播、游戏语音等多种场景。
• 多语言支持：IndexTTS2 具备跨语言建模能力，适用于中文、英文等多语场景，能够满足不同语言用户的需求。

• 性能表现：数据说话

  根据官方公布的数据，IndexTTS-2.0在多项指标上均表现优异：

  • 情感表现：情感相似度（ES）高达0.887，情感MOS（EMOS）评分达到4.22

  • 语音质量：词错误率（WER）仅为1.883%，音频自然度（MOS）达到4.4

  • 时长控制：在多数情况下，token数量误差率低于0.02%

  • 推理效率：推理速度（RTF）低至0.08-0.12，首包延迟仅80-150ms

• IndexTTS2对电脑硬件和操作系统的要求：
  1. windows 10及以上系统
  2. 至少16GB内存
  3. 至少40GB硬盘存储空间（压缩包和解压后的文件都会占用空间）IndexTTS2使用说明：
  字节律动温馨提示：解压路径中不能含有中文、空格或特殊字符！！！！！1. 有英伟达显卡的话安装【cuda_12.8.1_572.61_windows.exe】（没有显卡就忽略吧，可以使用cpu）
  2. 安装【VC_redist.x64.exe】
  3. 双击运行【一键启动.bat】文件。
  4. 启动成功后，会自动打开浏览器（保持命令行窗口运行，关闭命令行窗口TTS服务也会关闭）。IndexTTS2其他相关问题：
  1. 暂不支持AMD显卡
  2. 如果你有英伟达的显卡，请先双击安装【cuda_12.8.1_572.61_windows.exe】（请使用12.8版本）
  3. 如果你是新电脑，或者刚重装完系统，可能需要安装【VC_redist.x64.exe】
  4. 如果你安装CUDA失败了，那么可能需要安装【vs_BuildTools.exe】
  5. 运行【vs_BuildTools.exe】
  6. 勾选【使用C++的桌面开发】
  7. 点击安装即可

下载地址

下载地址1：https://pan.quark.cn/s/64c1f633b064

下载地址2：https://pan.baidu.com/s/1YwOq9Gv_JAq1CDrtJB9lTQ?pwd=9981