最近，Bilili团队正式宣布，其独立的自我归类零样本的文本对声音（TTS）系统具有受控的情绪和调整后的持续时间 - Indextts-2.0是完全开放的资源。该系统发布被广泛认为是零样本TTS技术实用阶段的主要里程碑。在语音综合领域，准确控制持续时间和自然情绪表达始终是一个长期的技术问题。 Indextts-2.0在这种情况下启动了两项主要创新：时间编码机制：编码时间首次引入自回归的TTS体系结构，有效地解决了在控制传统模型声音中准确性不足的问题，并实现了更加稳定和自然语音性的调节；密封和情感脱钩的成员资格：通过现代的脱钩建模，该系统支持多维灵活的情感法规。用户不仅可以使用一个音频参考，但也可以通过独立的情感音频参考，情绪向量或文本描述准确地调整综合语音的情感表达，并显着提高产生的语音的表达和能力。基于上述技术体系结构，Indext-2.0在语音生成中表现出很高的灵活性。从官方示例来看，该系统可以广泛用于AI配音，音频书，动态漫画，视频翻译，语音对话和播客制作以及其他情况，这些情况大大扩展了语音综合应用程序技术的创建和创建和创造力。特别值得注意的是，Indextts-2.0为国外的全球内容提供了重要的技术支持。通过高质量的情感繁殖和准确的匹配持续时间，跨语言视频几乎可以实现“粗心”的本地化体验。如果海外用户观看中国视频或中国用户听取的内容IGN语言，他们将获得更自然和有天赋的听力体验，同时保持原始的声音和情感风格。这一突破不仅完全降低了促进高质量内容的跨语言的门槛，而且为在全球范围内实施AIGC技术提供了稳定的基础。当前，Angextts-2.0是同步的开放项目论文，完整的代码，模型权重和在线体验页面。 Intext团队表示，将来，它将继续促进模型性能，并逐渐发出许多资源和工具，并共存开发开发人员社区中开放而繁荣的语音技术，以帮助促进多语言和全球文化连贯的交流。 github地址：github-index-tts/index-tts：工业控制和出色的零击文本到语音系统纸张地址：[2506.21619] Indextts2：突破性的情感表达和自动调节零-SHSR的突破性表达和持续时间OT文本到SpeechDemo显示地址：indextts2：表达和持续时间由自动零射击文本到语音播声销售地址：Modai community | indextts-2Hugging face | indextts-2在线经验：https：//huggingface.co/spaces/indexteam/indextts-2-demo 特别声明：上面的内容（包括照片或视频（如果有））已由“ NetEase”自助媒体平台的用户上传和发布。该平台仅提供信息存储服务。 注意：上面的内容（包括照片和视频（如果有））已由NetEase Hao用户上传和发布，该用户是社交媒体平台，仅提供信息存储服务。