Index TTS 2 が得意なこと、そして苦手なこと

Index TTS 2 は Bilibili の音声クローンモデル、独自の強み：8 種の感情の細やかな制御。参照サンプルを提供して音声をクローン、ハッピー、アングリー、サッド、フィアフル、ディスガスト、メランコリック、サプライズ、カームの強度を個別に設定——各行の読み方を正確に形成。感情はブレンドされるため、1 つのプリセット感覚を選ぶのではなく微妙な組み合わせを重ねることができ、パフォーマンス的なナレーションとドラマチックな対話に対応。

クローン側はサンプルから特定の音声を再現、同じキャラクターやブランド音声が制御可能な感情範囲でスクリプトを運べる。1,000 文字あたりの料金体系。

ZOOOP 音声モデルでの位置：Chatterbox TTS は幅広い多言語カバレッジ用に構築された音声クローン；LUX TTS は最も安いクローン；プリセット音声には Multilingual V3 を使用。Index TTS 2 のスイートスポットは感情的にニュアンスのある音声クローン。

合理的なメンタルモデル：クローン音声に精密な感情制御が必要なときは Index TTS 2 をデフォルトに、多くの言語には Chatterbox に、最低コストには LUX TTS に切り替え。