【亲测免费】 IndexTTS 开源项目使用教程

1. 项目介绍

IndexTTS 是一个基于 GPT 风格的文本到语音（TTS）的开源模型，主要基于 XTTS 和 Tortoise。它能够通过拼音纠正中文汉字的发音，并通过标点符号控制任意位置的停顿。该系统经过多个模块的优化，包括提升说话人条件特征表示和整合 BigVGAN2 以优化音频质量。训练在数万小时的数据上进行，IndexTTS 达到了业界领先的性能，超过了当前流行的 TTS 系统，如 XTTS、CosyVoice2、Fish-Speech 和 F5-TTS。

2. 项目快速启动

环境配置

首先，克隆这个仓库：

git clone https://github.com/index-tts/index-tts.git

然后，安装依赖：

conda create -n index-tts python=3.10
conda activate index-tts
pip install -r requirements.txt
apt-get install ffmpeg

下载模型：

wget https://huggingface.co/IndexTeam/Index-TTS/resolve/main/bigvgan_discriminator.pth -P checkpoints
wget https://huggingface.co/IndexTeam/Index-TTS/resolve/main/bigvgan_generator.pth -P checkpoints
wget https://huggingface.co/IndexTeam/Index-TTS/resolve/main/bpe.model -P checkpoints
wget https://huggingface.co/IndexTeam/Index-TTS/resolve/main/dvae.pth -P checkpoints
wget https://huggingface.co/IndexTeam/Index-TTS/resolve/main/gpt.pth -P checkpoints
wget https://huggingface.co/IndexTeam/Index-TTS/resolve/main/unigram_12000.vocab -P checkpoints

运行测试脚本：

请将你的提示音频文件放在 test_data 目录下，并重命名为 input.wav：

PYTHONPATH=. python indextts/infer.py

Web 演示

运行以下命令启动 Web 界面：

python webui.py

然后在浏览器中访问 http://127.0.0.1:7860 查看演示。

3. 应用案例和最佳实践

以下是一个简单的使用案例：

from indextts.infer import IndexTTS

tts = IndexTTS(
    model_dir="checkpoints",
    cfg_path="checkpoints/config.yaml"
)

voice = "reference_voice.wav"
text = "大家好，我现在正在体验 AI 科技，说实话，来之前我绝对想不到！AI 技术已经发展到这样匪夷所思的地步了！比如说，现在正在说话的其实是我的数字分身，简直就是平行宇宙的另一个我了。如果大家也想体验更多深入的 AIGC 功能，可以访问 bilibili studio，相信我，你们也会吃惊的。"

tts.infer(voice, text, output_path="output.wav")

这段代码会根据提供的参考声音和文本生成语音输出。

4. 典型生态项目

IndexTTS 作为文本到语音的开源项目，可以与其他开源项目结合，例如：

• wenet：一个开源的自动语音识别（ASR）系统。
• icefall：一个开源的语音识别工具包。
• Tortoise 和 XTTS：其他文本到语音的框架。

这些项目可以共同构建一个完整的语音处理生态系统，从语音识别到语音合成，提供端到端的语音处理解决方案。