Index TTS 2 擅长什么——又不擅长什么

Index TTS 2 是 Bilibili 的音色克隆模型,有一个鲜明强项:对八种情绪的细粒度控制。提供一段参考样本克隆一个声音,然后单独设定开心、愤怒、悲伤、恐惧、厌恶、忧郁、惊讶、平静的强度,精确塑造每句话怎么读。因为情绪会混合,你能叠加细腻的组合,而不是只选一种预设情感,这适合有表演感的旁白和戏剧化对白。

克隆这一侧从你的样本复现一个特定声音,所以同一角色或品牌音色能以可控的情绪范围承载一段脚本。计价按每 1000 字符。

它在 ZOOOP 语音模型里的位置:Chatterbox TTS 是为广泛多语种覆盖而造的音色克隆;LUX TTS 是最便宜的克隆;要预设音色就用 Multilingual V3。Index TTS 2 的甜点区是情绪细腻的音色克隆。

一个合理的心理模型:克隆音色需要精确情绪控制时,默认选 Index TTS 2,要多语言就换 Chatterbox,要最低成本就 LUX TTS。