一款工业级零样本文本转语音（TTS）模型，只需提供几秒钟的参考音频，无需额外训练，即可生成接近参考音色的语音。支持汉字与拼音混合控制，能够手动纠正多音字、生僻字的发音，并通过标点调整语音停顿，让中文配音更加准确自然。
模型采用Conformer条件编码器与BigVGAN2声码器，提升声音克隆的一致性与稳定性，减少杂音，同时支持情绪调节、语速控制及语音表现优化，让生成的声音更具真实感和感染力。
本次 IndexTTS 2.0超级优化版 重点突出中文发音可控、音色还原稳定、配音质量出色及使用体验优化