由B站出的一款 TTS (文本转语音) 模型,indextts2版本上社区好评不错,使用成本低。和其他TTS产品相比,拥有所谓 零样本推理 的能力,用我的理解来说就是,传统的TTS,如 gpt-sovits 一个声音需要投入声音样本推理出一个对应声音的模型,需要投入一定的训练成本和微调。

gpt-sovits 克隆声音整个操作步骤大致可以理解为:
食材(声音,大量精致样本),厨房(gpt-sovits训练平台),食材处理(样本放进平台训练),烹饪(训练后产出对应声音的模型),出锅(使用训练后的 声音模型 需要塞入对应 语音文本 的 语音参考 以及 文本 )。

如果是 indextts2 呢:
食材,出锅。

对,indextts2 给我的使用感觉就是这样,虽然质量上并没有说超越其他TTS模型,但是胜在它能高效的达到几乎接近的水准,这样难怪社区评价不低。