英語IndexTeam 公式参照
voice_01.wav
Translate for me, what is a surprise!
- 参照元
- IndexTeam
- 感情
- 参照音声に従う / ニュートラル
- 対応モデル
- IndexTTS2 と IndexTTS 2.5
モデル比較
IndexTTS2 と IndexTTS 2.5 はどちらも IndexTTS Online で利用できますが、向いている用途が異なります。ここで提供している機能、対象言語、IndexTeam 公式の参照サンプルを比較してからモデルを選べます。
以下は IndexTTS Online で現在提供している機能です。主観的な品質スコアではありません。
| 機能 | IndexTTS2 | IndexTTS 2.5 |
|---|---|---|
| IndexTTS Online で利用可能 | はい | はい |
| ここで利用できる対象言語 | 中国語、英語 | 中国語、英語、日本語、スペイン語、アラビア語 |
| 明示的な言語選択 | なし | あり |
| 感情プリセット | Natural、Happy、Sad、Angry、Calm | Natural、Happy、Sad、Angry、Calm |
| 話速コントロール | なし | 速い、標準、遅い |
公式参照
英語と中国語は両方のホストモデルで利用できるため、比較に適した参照言語です。以下の音声は IndexTeam 公式サンプルコーパスから取得し、上流ソースを明示しています。
Translate for me, what is a surprise!
这个呀，就是我们精心制作准备的纪念品，大家可以看到这个色泽和这个材质啊，哎呀多么的光彩照人。
出典：上記の参照音声は IndexTeam の上流 Demo アセットです。IndexTTS Online は比較情報とホスト型ツールを提供しますが、これらの録音の所有権を主張しません。
上流の公開結果
上流の IndexTTS 2.5 Technical Report では、IndexTTS2 と同等レベルの WER と話者類似度を維持しながら、RTF が 2.28× 改善したと報告されています。また、多言語対応の拡大と推論コスト削減を意図したアーキテクチャ変更も説明されています。
これは上流で公開された結果であり、IndexTTS Online 独自の測定値ではありません。ハードウェア、実行環境、入力文、サービング構成により実際の遅延は変わります。
製品ガイダンス
対象テキストが英語または中国語で、同じ基本的な音声クローン手順をよりシンプルなホスト型モデルで使いたい場合は IndexTTS2 が適しています。
日本語・スペイン語・アラビア語が必要な場合、または明示的な言語選択や話速コントロールを使いたい場合は IndexTTS 2.5 が適しています。
両方のモデルが対象言語に対応している場合は、Voice Lab で同じ参照音声と対象テキストを使い、用途に合う結果を選んでください。
話者の参照音声を揃えると、録音差ではなくモデル差を聞き取りやすくなります。
同じ文言と句読点にすることで、両モデルに同じ読み上げ課題を与えられます。
感情や話速を比較するときは、複数の設定を同時に変更しないでください。
用途に応じて発音、話者類似度、韻律、安定性、可聴ノイズや破綻を確認します。