IndexTTS 是一个工业级可控且高效的零样本文本转语音（TTS）系统，支持中文和英文，并具备先进的语音克隆功能。其子版本 IndexTTS2 被称为突破性的自回归零样本 TTS 方案。
用途方面，IndexTTS 旨在提供精确的语音时长控制、富有情感表现力的语音生成，并将情感表达与说话人身份进行解耦。它适用于需要高质量、可控语音合成的场景，无需额外训练即可使用。
主要能力包括：精确的时长控制，通过显式指定 token 数量并采用自回归生成来复现韵律；情感表达，以零样本方式复现愤怒、高兴、平静、恐惧等多种情绪；音色与情感解耦，可使用不同提示独立控制说话人身份和情感表达；基于文本的情感控制，结合 Qwen3 集成，通过自然语言描述生成情感。该系统在词错误率、说话人相似度和情感保真度方面优于现有模型，并利用先进的 GPT 潜在表示和软指令机制增强语音稳定性。
使用方式上，IndexTTS 提供简单的 API 集成，几行代码即可完成调用，官方给出了 Python API 示例。此外还有全面的指南和 API 参考、GitHub 仓库中的开源代码和示例，以及 Discord 和 QQ 群提供支持。
适用场景包括需要中文或英文零样本语音克隆、精确控制语音时长、丰富情感表达以及独立控制音色与情感的语音合成任务。
限制方面，资料中暂未提供具体的支持情感数量、速度控制范围、词错误率与说话人相似度的具体数值、价格或收费信息、各平台的详细使用限制以及更多技术细节，这些内容暂未提供。
