# IndexTTS – B 站推出的文本转语音模型，支持拼音纠正汉字发音

- Link: https://paooo.com/aigc-news/21506/
- Published: 2026-06-08T16:40:13+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 支持拼音纠正汉字发音，并可用标点精准控制停顿，显著提升中文 TTS 可控性。
 * 实测 WER 1.3%、SS 0.776、MOS 4.01，兼顾内容准确性、音色相似性与自然度。
 * 适用于视频配音、有声读物、智能客服等场景，且支持中文和英文语音合成。

## IndexTTS是什么

IndexTTS 是 B 站推出的工业级可控[文本转语音](https://ai-bot.cn/ai-text-to-speech-tools/)（
TTS）系统。基于 XTTS 和 Tortoise 模型开发，结合了 GPT 风格的生成技术，能将文本高效
转化为自然流畅的语音。IndexTTS 的优势是对中文文本的处理能力，支持拼音纠正汉字发音，
可通过标点符号精准控制停顿，有效解决了多音字和长尾字符的发音问题。 采用混合建模方法，
结合汉字和拼音，优化语音生成效果。在性能方面，IndexTTS 的字词错误率（WER）仅为 1.3%，
扬声器相似性（SS）达到 0.776，主观音质评分（MOS）为 4.01，表现出色。使用大量数据
进行训练，包括 2.5 万小时的中文音频和 9000 小时的英文音频，确保了音质和音色的高质量。

阅读目录

 * [IndexTTS是什么](https://paooo.com/aigc-news/21506/#indextts%e6%98%af%e4%bb%80%e4%b9%88)
 * [IndexTTS的主要功能](https://paooo.com/aigc-news/21506/#indextts%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [IndexTTS的技术原理](https://paooo.com/aigc-news/21506/#indextts%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [IndexTTS的项目地址](https://paooo.com/aigc-news/21506/#indextts%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [IndexTTS的应用场景](https://paooo.com/aigc-news/21506/#indextts%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

最新自研的IndexTTS2 全新一代语音合成模型，能实现精准的时长控制和情感再现，支持音色
与情绪独立调整，能在多种语言和风格下生成自然流畅的语音，广泛应用视频配音、语言学习
等领域，模型在情感表达和文本准确性上均达到行业领先水平。

![IndexTTS ](https://paooo.com/wp-content/uploads/2026/06/IndexTTS-website-1.avif)

## IndexTTS的主要功能

 * **拼音纠正与停顿控制**：IndexTTS 在处理中文文本时，能通过拼音纠正汉字的发音，
   用标点符号在任意位置精准控制停顿，语音输出更加自然流畅。
 * **音质优化**：引入了基于 Conformer 的条件编码器和 BigVGAN2 语音解码器，显著提高
   了音质和音色相似性，MOS 评分达到 4.01。
 * **多语言支持**：目前支持中文和英文，计划在未来扩展到更多语言。

## IndexTTS的技术原理

 * **混合建模方法**：在中文场景下，IndexTTS 采用字符与拼音混合建模的方式。通过结合
   汉字和拼音，系统能快速纠正多音字和长尾字符的发音错误，提高语音合成的准确性和可
   控性。
 * **语音编码与解码优化**：IndexTTS 引入了基于 Conformer 的条件编码器和 BigVGAN2
   语音解码器。Conformer 编码器能够更好地捕捉语音的音色特征，BigVGAN2 解码器则提升
   了音质和音色相似性。
 * **零样本语音克隆**：IndexTTS 在零样本语音克隆方面表现出色，能在没有目标语音样本
   的情况下生成高质量的语音。扬声器相似性（SS）高达 0.776，MOS 评分达到 4.01，远
   超现有系统。
 * **高效的训练与推理**：系统经过数万小时的数据训练，训练过程简单且稳定，推理速度
   快。与 XTTS、CosyVoice2、Fish-Speech 和 F5-TTS 等系统相比，IndexTTS 在自然度、
   内容一致性和零样本语音克隆方面表现出色。

## IndexTTS的项目地址

 * **IndexTTS**：
    - **Github仓库**：https://github.com/index-tts/index-tts
    - **arXiv技术论文**：https://arxiv.org/pdf/2502.05512
 * **IndexTTS2**：
    - **项目官网**：https://index-tts.github.io/index-tts2.github.io/
    - **HuggingFace模型库**：https://huggingface.co/IndexTeam/IndexTTS-2
    - **arXiv技术论文**：https://arxiv.org/pdf/2506.21619

## IndexTTS的应用场景

 * **内容创作与视频配音**：IndexTTS 可以快速生成自然流畅的语音内容，帮助视频创作
   者节省录制时间，快速完成视频配音。
 * **有声读物与在线教育**：支持中文和英文的高质量语音合成，能为有声读物和在线教育
   平台提供自然的语音朗读服务，提升用户体验。
 * **智能客服与语音助手**：IndexTTS 的零样本语音克隆能力和高自然度表现适合用于智能
   客服和语音助手场景，能快速适应不同的语音风格和语速。
 * **多媒体与娱乐**：在多媒体和娱乐领域，IndexTTS 可以用于生成个性化语音内容，例如
   游戏配音、虚拟角色对话等，为用户提供更具沉浸感的体验。
 * **无障碍辅助技术**：高效的语音合成能力和低错误率，IndexTTS 可以为视障人士提供
   语音辅助功能，帮助他们更好地获取信息。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 常见问题解答（FAQ）

IndexTTS 主要解决什么问题？

IndexTTS 主要解决中文 TTS 中多音字、长尾字符和停顿不自然的问题。它支持拼音纠正汉字
发音，并可通过标点符号精细控制停顿，让合成语音更准确、更自然。

IndexTTS 的效果指标怎么样？

文中给出的实测结果显示，IndexTTS 的 WER 为 1.3%，扬声器相似性 SS 达到 0.776，主观
音质评分 MOS 为 4.01，说明它在内容准确性、音色相似性和自然度上表现都较强。

IndexTTS 适合哪些应用场景？

IndexTTS 适合内容创作与视频配音、有声读物、在线教育、智能客服、语音助手以及游戏配音
等场景，尤其适合需要高自然度、可控停顿和语音克隆能力的任务。

🔬 语宙深潜追问 · 进阶实操拆解

拼音纠错在生产里怎么接最稳？

最好在文本规范化阶段先做拼音与多音字消歧，再进入 TTS 生成。对高频专有名词可维护词表
和规则兜底，避免模型在品牌名、人名、术语上反复读错。

零样本克隆上线前要测哪些风险？

重点测音色相似度、长文本稳定性、情绪漂移和版权合规。生产环境还要加说话人授权校验
与敏感内容过滤，否则克隆能力越强，滥用风险也越高。

🗳️ 读者观点微投票 · 您的实战立场是？

中文 TTS 落地最该优先解决什么？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🚀 所属权威专题：AI 办公提效与神器评测 →](https://paooo.com/topics/ai-productivity-tools/)

 * [B站重磅开源IndexTTS2：全球首个精准时长控制TTS模型，零样本情感克隆多语言语音合成](https://paooo.com/aigc-news/13765/)
 * [Qwen3-TTS深度解析：阿里通义开源12Hz多码本语音模型，实现97ms超低延迟与精准音色克隆](https://paooo.com/aigc-news/11853/)
 * [Step-Audio-TTS-3B – 高性能 TTS 模型，能生成特定情感和说唱风格的语音](https://paooo.com/aigc-news/21765/)
 * [MegaTTS 3 – 字节与浙江大学合作推出的零样本语音合成系统](https://paooo.com/aigc-news/20640/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/21506/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
