6 分で読めます
IndexTTS2とIndexTTS 2.5の比較：どちらを使うべき？
言語対応、ホスト版の操作項目、制作要件とトレードオフから2つのモデルを選ぶ実践ガイド。
ガイドを読むリソースの使い方
聴く、選ぶ、自分の素材で試す
Samples は試聴、Benchmark はモデル選択、Voice Lab は自分の許可済み素材での比較という役割に分けています。
リソースの使い方
Samples は試聴、Benchmark はモデル選択、Voice Lab は自分の許可済み素材での比較という役割に分けています。
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 |
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。
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。
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。
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。
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。
実践ガイド
参照音声、モデル選択、台本準備、統制された比較を改善するための実践ガイドです。
言語対応、ホスト版の操作項目、制作要件とトレードオフから2つのモデルを選ぶ実践ガイド。
ガイドを読むmodel、reference、script、emotion、paceをcontrolled inputと正直な評価で比較し、架空のMOSを避ける方法。
ガイドを読む話者同一性、発音、ペース、アーティファクト、同意、開示、公開品質を確認する実践チェックリスト。
ガイドを読む