IndexTTS

IndexTTS 是一个开源的文本转语音系统，核心用法是零样本音色克隆：给一段参考音频，它就能用这个音色念出你写的文字。项目在 GitHub 上以仓库形式发布，带模型权重和推理代码，需要自己搭环境跑，不是打开网页就能用的在线服务。

主要能力

最新版本 IndexTTS-2.5 支持中文、英文、日语、西班牙语和阿拉伯语，跨语言合成时能保留音色，并把音色和情感分开控制。情感可以通过多种输入方式调节，语速用 duration_factor 在 0.5 倍到 2.0 倍之间调整。发音层面支持中文拼音、英文 CMU 音素和日语假名标注，遇到多音字或专有名词可以手动纠正。

仓库里带一个 webui.py，启动后是本地网页界面，示例音频首次启动时从 HuggingFace 或 ModelScope 按需下载。部署方面支持用 vLLM 做生产环境推理。

适合谁

适合需要批量生成配音、又不想把声音数据交给第三方平台的开发者，也适合做语音合成研究、想改模型的人。只想快速把文字转成语音的普通用户，用现成的在线配音工具会更省事。

使用门槛

安装依赖 uv 管理环境，需要 git 克隆仓库后执行 uv sync --all-extras，国内下载慢可以换阿里云或清华镜像。模型权重体积不小，跑起来对显卡有要求。仓库里附有免责声明，克隆他人音色用于什么场景，需要自己把握授权和合规。