昨日，Index 语音团队开发的 IndexTTS2 文本生成语音大模型上架 GitHub。 尽管团队还没有正式发布这个模型，但展示视频和介绍页面已经做好了，并已经在 GitHub 上传文件。

🔗 相关阅读：B 站神级配音AI被曝光！一个「意外泄露」的视频，让鬼畜区 UP 主都沉默了

官方采用了《让子弹飞》《甄嬛传》来示意 IndexTTS2 的语音生成能力，从公布的演示视频来看，新模型能够精确控制情绪和时长。另从公布的演示音频来看，相较于前代 IndexTTS，TTS2 拥有更丰富的情绪表达，更自然的停顿。

根据 GitHub 项目页面，IndexTTS2 大模型的最主要能力，在于：

• 零样本语音克隆
• 支持情绪分离
• 指定 token 数量，来控制生成的语音长度
• 基于 Qwen3 微调，支持手动编辑情绪

值得一提的是，Index 语音团队全部来自于 B 站。

🔗 项目链接：https://index-tts.github.io/index-tts2.github.io/