Bilibili 开源工业级零样本语音克隆模型 IndexTTS-2.5

Bilibili 开源工业级零样本语音克隆模型 IndexTTS-2.5，参数量仅 0.8B，支持中、英、日、西、阿五种语言跨语种迁移。模型重构了推理架构，速度提升 2.28 倍，实时率低至 0.20，同时支持 0.5x 至 2.0x 无级语速调节，提供拼音、CMU 音素和日语假名三种粒度的发音干预。