# IndexTTS 2.5 (Sprachmodell)

> bilibilis IndexTTS 2.5, lokal ausgeführt: Zero-Shot-Stimmklonen aus einem 3–30 s langen Clip, mit per Instruktion beschriebener Emotion, in Chinesisch, Englisch, Japanisch, Spanisch und Arabisch. Für ausdrucksstarke Spieldialoge. Läuft mit audio.cpp auf einer GPU mit etwa 6 GB. Kommerzielle Nutzung ist unterhalb der Größenlimits der Lizenz erlaubt.

- Id: `aigd.tts-indextts25`
- Quelle: Offiziell (First-Party `aigd.*`)
- Kategorie: Audio
- Herausgeber: AI Game Dev (`aigd`), verifiziert
- Neueste Version: 1.0.2 (veröffentlicht am 2026-11-22)
- Lizenz: SEE LICENSE IN README.md
- Erfordert die AI Game Dev App: `>=0.32.0-beta.6`
- Nativer Code: nein
- Bewertung: noch nicht bewertet
- HTML-Seite: https://ai-game.dev/de/packages/aigd.tts-indextts25

## Installieren

Mit der gamedev CLI im Projektordner:

```bash
gamedev pkg add aigd.tts-indextts25
```

In der Desktop-App: Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle **Browse**, suche nach `aigd.tts-indextts25` und klicke auf **Add to Project**. Mehr: https://ai-game.dev/docs/wiki/app/packages

## Versionen

| Version | Veröffentlicht | Erfordert App | Hinweise |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | neueste |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Beschreibung

````markdown
# IndexTTS 2.5 (`aigd.tts-indextts25`)

IndexTTS 2.5 ist bilibilis Zero-Shot-Voice-Cloning-Text-to-Speech-Modell mit Emotionssteuerung für Chinesisch, Englisch, Japanisch, Spanisch und Arabisch. Jede Anfrage braucht einen Referenzclip, und eine Anweisung beschreibt die Emotion. In AI Game Dev läuft es über **Local audio generation** (`aigd.audiocpp`, audio.cpp) auf deiner GPU. Es passt zu Spielen, in denen dieselbe Charakterstimme auf Kommando ruhig, wütend oder ängstlich klingen soll. Die Lizenz erlaubt kommerzielle Nutzung unterhalb einer Größenbeschränkung (siehe Lizenz).

## Was du erzeugen kannst

- Emotionaler Charakterdialog in einer geklonten Stimme: dieselbe Stimme, pro Zeile eine andere Emotion.
- Voice-overs auf Chinesisch, Englisch, Japanisch, Spanisch oder Arabisch aus einem einzigen Referenzclip.
- Cutscene-Darbietungen, bei denen die Vortragsweise in Worten beschrieben wird.

## Beispielanfragen

- „Klone `Audio/ref/knight.wav` und sage ‚Rückzug!‘ mit panischer Stimme."
- „Lies die Rede der Königin in der Referenzstimme vor, ruhig und melancholisch."
- „Sprich die japanische Version dieser Zeile mit demselben Clip, aufgeregt."

## Highlights

|  |  |
|---|---|
| Modell-ID | `aigd.tts-indextts25.q8-0` |
| Sprachen | auto, en, zh, ja, es, ar (`auto` wählt Chinesisch für Text mit Han-Zeichen, sonst Englisch) |
| Stimmen | immer ein Klon eines 3–30 s langen Referenzclips (kein Transkript nötig) |
| Emotion | in einer Anweisung beschrieben |
| Ausgabe | 22.05 kHz |
| Text pro Anfrage | bis zu 2.000 Zeichen |
| Läuft auf | einer GPU mit etwa 6 GB (Schätzung): NVIDIA (CUDA), Vulkan oder Mac (Metal) |
| Download | 3,50 GB, 1 Datei |
| Lizenz | bilibili Model Use License: kommerzielle Nutzung unterhalb ihrer Größenbeschränkungen |

## So läuft es

Dieses Paket enthält nur Daten: Es benennt die Modelldateien. Nachdem du die Lizenz akzeptiert hast, lädt die App sie von Hugging Face herunter, prüft jede per sha256 und führt sie mit **Local audio generation** (`aigd.audiocpp`, audio.cpp) auf deinem Rechner aus.

## Download

- **IndexTTS 2.5** (`aigd.tts-indextts25.q8-0`): 3,50 GB, 1 Datei von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), an diesen Commit gebunden.

## Welche Rechner

Benötigt eine GPU mit etwa 6 GB.

## Stimmen und Sprachen

- IndexTTS 2.5: Sprachen auto, en, zh, ja, es, ar; benötigt einen Referenzclip; eine Stil- oder Emotionsanweisung.

Die englische LICENSE auf Hugging Face nennt eine Umsatzgrenze von 1 Milliarde RMB, der chinesische Text (LICENSE_ZH, der laut Abschnitt 9 Vorrang hat) nennt jedoch 100 Millionen RMB (1亿): siehe [LICENSE_ZH](https://github.com/index-tts/index-tts/blob/main/LICENSE_ZH.txt) §2.2. Dieses Paket gibt die strengere, vorrangige Zahl an. Abschnitt 1.4 der Lizenz nennt „bilibili indextts2"; die Modellkarte von IndexTTS 2.5 verweist auf dieselbe Lizenz.

## Lizenz

bilibili Model Use License. Kommerzielle Nutzung ist unterhalb der Größenbeschränkungen der Lizenz erlaubt; darüber brauchst du eine separate Lizenz von bilibili. Es gilt chinesisches Recht; der chinesische Text hat Vorrang.

- IndexTTS 2.5 von bilibili IndexTeam: [Modellkarte](https://huggingface.co/IndexTeam/IndexTTS-2.5), bilibili Model Use License; Lizenztext: [bilibili Model Use License](https://huggingface.co/IndexTeam/IndexTTS-2.5/blob/c39ce5ba981572cb187443877ff559dfb246ce63/LICENSE).
- Jede Datei dieses Pakets stammt von [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf): bilibili Model Use License (die Upstream-Lizenz; die Konvertierung von audio.cpp). Lizenz-Tabelle pro Familie von audio.cpp: [model_licenses.md](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md).

Erforderliche Namensnennung: "IndexTTS 2.5 by bilibili IndexTeam (IndexTeam/IndexTTS-2.5), bilibili Model Use License; GGUF by audio.cpp."

Einschränkungen:

- Eine separate Lizenz von bilibili ist nötig, wenn du und deine verbundenen Unternehmen im letzten Jahr über 100 Millionen RMB Umsatz erzielt haben (der vorrangige chinesische Text) oder über 100 Millionen monatlich aktive Nutzer hatten.
- Weder das Modell noch seine Ausgaben dürfen zur Verbesserung anderer KI-Modelle verwendet werden, außer IndexTTS selbst oder nicht-kommerziellen Modellen.
- Wer das Modell von dir erhält, muss dieselbe Lizenz akzeptieren; bewahre die Urheberrechtshinweise und eine Kopie der Lizenz auf, und Ableitungen müssen den Haftungsausschluss der Lizenz tragen.
- Nicht für Hochrisikoanwendungen wie Medizin, Militär, biometrische Überwachung oder automatisierte Entscheidungen über Menschen.
- Die Lizenz endet, wenn du bilibili wegen des Modells verklagst.

Du bist dafür verantwortlich, die Lizenz des von dir heruntergeladenen Modells einzuhalten. Alle Dateien werden von Hugging Face heruntergeladen. AI Game Dev hostet sie nicht.
````
