B站正式发布基于 XTTS 和 Tortoise 的 GPT 风格文本转语音（TTS）模型——IndexTTS。该模型在中文处理方面具有拼音纠正汉字发音的能力，并可通过标点符号精准控制停顿，使语音更加自然流畅。生成示例见下方教程中。

开源地址：https://github.com/index-tts/index-tts

☞☞☞☞☞☞  一键启动包在右侧下载  ☞☞☞☞☞☞

配置要求：

电脑满足以下配置：

  • 操作系统：Windows 10/11 64位
  • 内存：16G以上
  • 显卡：至少8G及以上显存的英伟达（NVIDIA）显卡
  • CUDA：显卡支持的CUDA版本大于等于12.4版本（如不知道显卡支持的CUDA版本，可点击此链接查看：https://aiyy.info/supported-cuda-versions/）
  • 整个包解压完约14.6G，要留足硬盘空间

 

如何查看显卡品牌型号和显存：

  • 打开任务管理器
  • 点击“性能”
  • 点击“GPU”
  • 右上角可以看到显卡型号，下方可以看到显存大小

 

使用教程：

① 打开下载页面（https://aiyy.info/indextts/）点击页面右侧下载按钮，下载整合包之后解压，建议使用winrar解压（解压软件在文件包中，或者可以自己下载安装，下载地址：https://www.winrar.com.cn/）

不要用Windows自带解压！！不要用360解压！！

注意：文件夹路径和文件名称（包括音频、图片、视频等文件名称）不要出现中文字符，否则部分软件会因识别不出而报错

② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面

③ 操作很简单，上传参考音频，再输入文本，最后点击“生成语音”，然后等待生成结果即可

注意事项：

  • 参考音频需要清晰、无背景噪音的音频
  • 文本建议分行输入，每行一个句子，每句后面接句号或者逗号，大段堆积会导致乱读现象，可以参考下方示例
  • 输入中文文本时，混杂阿拉伯数字时，生成效果不佳，请用中文数字代替阿拉伯数字
  • 可通过标点符号控制语音中的停顿，增加逗号、句号等可以让发音更自然，但目前模型不支持顿号”、”、”-“等其他标点符号，会读成C，请改成逗号或者句号

输入示例：

④ 生成结果位于底部，可以播放试听，点击右上角下载按钮可以保存至指定文件夹

参考音频：

生成结果：

 

在文件包中的“outputs”文件夹中也能找到生成结果

⑤ 当文本中有多音字时，可以用拼音控制读音，输入规范如图中所示，字母拼音后接声调，1为第一声调，2为第二声调，3为第三声调，4为第四声调

多音字生成结果：

 

声明： ① 本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。更多说明请参考赞助计划。 ② 本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。