IndexTTS-2.5

IndexTTS-2.5 是一个零样本文本到语音（TTS）模型，能够仅通过一段参考音频片段克隆声音。它支持中文、英文、日文、西班牙文和阿拉伯文，并具备跨语言语音转换能力，且能将情感控制与音色解耦。 与 IndexTTS-2 相比，该版本新增了日语、西班牙语和阿拉伯语支持，推理速度更快，增加了语速控制功能，并改进了对中文拼音、英文 CMU 音素和日文假名的可控性。