
index-tts
上传几秒语音,立刻克隆你的声音,随便说哪种语言都行
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 24993
技术标签
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- 需先安装 uv 包管理器,README 明确要求用它管理依赖环境
- uv sync 会自动创建 .venv 项目目录,并安装正确版本的 Python 与全部依赖
- 若安装过程出现 CUDA 报错,需系统已安装 NVIDIA CUDA Toolkit 12.8 或更新版本
- Windows 上 DeepSpeed 可能难以安装,可去掉 --all-extras 并手动选择扩展
安装与启动步骤
-
1准备项目源码
README 节选从“2. Install Dependencies”开始,未给出获取源码的命令;请先从 GitHub 仓库 index-tts/index-tts 取得代码并进入项目目录,此步不臆造命令。
-
2安装 uv
uv 是项目依赖管理的必需工具,README 要求先安装它,否则无法可靠安装依赖。
pip install -U uv -
3同步全部依赖
在项目根目录执行,会自动创建 .venv 并安装正确版本的 Python 和所有依赖,包含全部额外功能。
uv sync --all-extras -
4国内镜像加速
如果依赖下载缓慢,可改用国内镜像源,README 给出阿里云与清华两种可选地址,二者选其一执行。
uv sync --all-extras --default-index "https://mirrors.aliyun.com/pypi/simple" -
5按需定制扩展
不想装全部扩展时,去掉 --all-extras,手动加 --extra webui(推荐)和 --extra deepspeed(可能加速推理)。
uv sync --extra webui --extra deepspeed -
6检查 CUDA 环境
若安装时报 CUDA 错误,需确认系统已装 NVIDIA CUDA Toolkit 12.8 或更新版本,装好后重新同步依赖。
如何确认成功
README 未给出启动或验证命令;执行 uv sync 全程无报错、项目目录下生成 .venv 即视为依赖安装成功。
常见问题
Q:依赖下载很慢怎么办?
A:使用国内镜像源,例如 uv sync --all-extras --default-index "https://mirrors.aliyun.com/pypi/simple",也可换成清华镜像地址。
Q:Windows 上装不上 DeepSpeed 怎么办?
A:去掉 --all-extras,改为手动添加所需扩展,例如只加 --extra webui,即可跳过 DeepSpeed。
Q:安装时提示 CUDA 错误怎么办?
A:README 指出需确保系统已安装 NVIDIA CUDA Toolkit 12.8 或更新版本,版本过低会报错。
Q:只想用 WebUI,需要装全部扩展吗?
A:不需要。去掉 --all-extras,只执行 uv sync --extra webui 即可,README 将 WebUI 标注为推荐扩展。
注意事项
- README 节选只包含依赖安装说明,未给出模型权重下载与推理/启动命令,需另行查阅仓库完整文档。
- 最新版本为 IndexTTS-2.5,支持中文、英文、日文、西班牙文和阿拉伯文,并支持情感、语速和发音控制。
- 模型权重可从 ModelScope(IndexTeam/IndexTTS-2.5)或 HuggingFace 获取,README 同时提供了在线 Demo 与 Studio 体验入口。
- --all-extras 会装入所有额外功能,按需可只选 --extra webui 或 --extra deepspeed。
核心亮点
- 零样本声音克隆,只需3~5秒参考语音即可合成目标说话人声音
- 支持跨语言合成,用原始音色生成多种语言内容,降低本地化配音成本
- 基于BigVGAN声码器与可控设计,音质和推理效率兼顾,适合工业级部署
不足之处
- 文档完善度和社区规模相对有限,上手可能需要参考源码和示例
- 对参考音频的纯净度与时长有一定要求,复杂背景音下克隆效果可能下降
适用场景
- 给短视频/播客快速生成稳定音色的旁白
- 为游戏或动画角色生成个性化配音台词
- 在无障碍阅读工具中合成用户偏好的语音
替代项目
Coqui TTS、Tortoise TTS
上一篇:audio-diffusion
下一篇:supertonic
同类项目推荐
MusicTransformer-Pytorch
开源
用 PyTorch 复现 Music Transformer,轻松生成连贯钢琴曲
MusicTransformer written for MaestroV2 using the Pytorch framework for music generat···
diffwave
开源
用扩散模型快速生成高保真语音波形,让 TTS 更自然高效。
DiffWave is a fast, high-quality neural vocoder and waveform synthesizer.
Text-Normalization-Demo
开源
用记忆增强神经网络,一键把口语化文本转成规范写法
Demonstration of the results in "Text Normalization using Memory Augmented Neural Ne···
qwen3-tts-rs
开源
用 Rust 原生跑通 Qwen3-TTS,轻量部署高性能语音合成
Rust implementation of Qwen3-TTS speech synthesis
jpreprocess
开源
用 Rust 重写 OpenJTalk,让日语 TTS 文本预处理更快更安全
Japanese text preprocessor for Text-to-Speech applications (OpenJTalk rewrite in rus···
awesome-ai-voice
开源
一站式收藏开源语音与音乐生成模型,快速找到你要的工具。
List of open-source TTS, voice cloning, and music generation models
tihu
开源
让波斯语文本开口说话,离线合成自然语音
Persian Text-To-Speech
mimic-recording-studio
开源
Docker 一键部署,网页录制语音样本,训练 Mimic2 专属 TTS 声音
Mimic Recording Studio is a Docker-based application you can install to record voice···
easyVoice
开源
超长文本一键转语音,多角色配音轻松搞定
开源文本转语音工具,支持超长文本,多角色配音