AI最前沿 88Z.ai 8 月 12 日消息，Bilibili 开源了工业级零样本语音克隆模型 IndexTTS-2.5。该模型参数量仅为 0.8B，支持中、英、日、西、阿五种语言的跨语种迁移。通过重构推理架构，其速度提升了 2.28 倍，实时率低至 0.20。此外，模型支持 0.5x 至 2.0x 的无级语速调节，并提供拼音、CMU 音素和日语假名三种粒度的发音干预功能。
消息要点
- IndexTTS-2.5 参数量仅 0.8B，支持五语种跨语种迁移，推理速度提升 2.28 倍。
- 支持 0.5x 至 2.0x 无级语速调节，提供拼音、CMU 音素和日语假名三种发音干预粒度。
要点
Bilibili 正式开源了名为 IndexTTS-2.5 的工业级零样本语音克隆模型。该模型在保持轻量级的同时实现了强大的功能，其参数量仅为 0.8B。它具备出色的多语言能力，支持中文、英文、日文、西班牙文和阿拉伯文之间的跨语种语音迁移。 在性能方面，IndexTTS-2.5 对推理架构进行了重构，使得推理速度提升了 2.28 倍，实时率降低至 0.20，显著提高了处理效率。为了满足多样化的应用场景，模型还支持 0.5 倍到 2.0 倍的无级语速调节。此外，开发者可以通过拼音、CMU 音素以及日语假名这三种不同粒度对发音进行精细干预，从而更好地控制输出语音的质量与准确性。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- IndexTTS-2.5原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。