INFORME TÉCNICO DE INDEXTTS 2.5
Resumen basado en fuentes oficiales sobre los cinco idiomas demostrados, los cambios de arquitectura y las muestras de audio.
Aviso de versión: la demo interactiva de este sitio ejecuta actualmente IndexTTS2. Esta página explica el informe 2.5 y no afirma que la demo ya use esa versión.
Idiomas demostrados
Mejora de RTF comunicada
Frecuencia del códec semántico
Resumen de la página oficial y del informe técnico.
Reduce la frecuencia de 50 Hz a 25 Hz para acortar las secuencias y reducir el coste.
El módulo de semántica a mel utiliza una arquitectura basada en Zipformer más eficiente.
Combina alineación por límites, concatenación de tokens y generación guiada por instrucciones.
El posentrenamiento con GRPO mejora la pronunciación y la naturalidad.
La página oficial muestra clonación zero-shot y voz emocional en estos cinco idiomas.
Separar las versiones evita presentar capacidades de investigación como funciones ya disponibles.
La página principal integra la demo existente de IndexTTS2 en Hugging Face.
La página oficial publica detalles de investigación y comparaciones de audio. La integración esperará una versión oficial ejecutable adecuada.
No. La demo interactiva actual es IndexTTS2; esta es una página informativa sobre el informe técnico 2.5.
La página oficial muestra chino, inglés, japonés, español y árabe.
Consulta la página oficial, el informe en arXiv y el repositorio oficial enlazados abajo.