Esta página se tradujo automáticamente del inglés. Lee el original en inglés.

IndexTTS 2.5 (modelo de voz)

OficialAudioGPUv1.0.2aigd.tts-indextts25
Instalar ¿Aún no tienes la app? Descárgala gratis
O desde el terminal
gamedev pkg add aigd.tts-indextts25
Se ejecuta en tu ordenador. Descarga un modelo una vez y genera con la GPU de este ordenador.

Resumen

IndexTTS 2.5 de bilibili, ejecutado en local: clonación de voz zero-shot a partir de un clip de 3-30 s con la emoción descrita en una instrucción, en chino, inglés, japonés, español y árabe. Para diálogos de juego expresivos. Se ejecuta en una GPU con unos 6 GB con audio.cpp. Se permite el uso comercial por debajo de los límites de tamaño de la licencia.

IndexTTS 2.5 es el modelo de texto a voz con clonación de voz zero-shot de bilibili y control de emociones, en chino, inglés, japonés, español y árabe. Cada solicitud necesita un clip de referencia, y una instrucción describe la emoción. En AI Game Dev se ejecuta en tu GPU mediante Generación de audio local (aigd.audiocpp, audio.cpp). Encaja con juegos que quieren que la misma voz de personaje suene tranquila, enfadada o asustada a demanda. Su licencia permite el uso comercial por debajo de un límite de tamaño (consulta la licencia).

Qué puedes crear

  • Diálogos de personaje con emoción en una voz clonada: la misma voz, una emoción distinta en cada línea.
  • Voces en off en chino, inglés, japonés, español o árabe a partir de un solo clip de referencia.
  • Interpretaciones para cinemáticas en las que el tono se describe con palabras.

Ejemplos de solicitudes

  • «Clona Audio/ref/knight.wav y di '¡Retirada!' con voz de pánico.»
  • «Lee el discurso de la reina con la voz de referencia, tranquila y melancólica.»
  • «Pon voz a la versión japonesa de esta línea con el mismo clip, con entusiasmo.»

Aspectos destacados

ID del modeloaigd.tts-indextts25.q8-0
Idiomasauto, en, zh, ja, es, ar (auto elige chino para el texto con caracteres han; en caso contrario, inglés)
Vocessiempre un clon de un clip de referencia de 3–30 s (no hace falta transcripción)
Emocióndescrita en una instrucción
Salida22.05 kHz
Texto por solicitudhasta 2,000 caracteres
Se ejecuta enuna GPU de unos 6 GB (estimación): NVIDIA (CUDA), Vulkan o Mac (Metal)
Descarga3.50 GB, 1 archivo
Licenciabilibili Model Use License: uso comercial por debajo de sus límites de tamaño

Cómo funciona

Este paquete solo contiene datos: indica los nombres de los archivos del modelo. Cuando aceptas la licencia, la app los descarga desde Hugging Face, verifica cada uno mediante sha256 y los ejecuta con Generación de audio local (aigd.audiocpp, audio.cpp) en tu ordenador.

Descarga

En qué ordenadores

Requiere una GPU de unos 6 GB.

Voces e idiomas

  • IndexTTS 2.5: idiomas auto, en, zh, ja, es, ar; necesita un clip de referencia; una instrucción de estilo o emoción.

El archivo LICENSE en inglés de Hugging Face indica un límite de ingresos de 1000 millones de RMB, pero el texto en chino (LICENSE_ZH, que según la sección 9 prevalece) indica 100 millones de RMB (1亿): consulta LICENSE_ZH §2.2. Este paquete declara la cifra más estricta y prevalente. La sección 1.4 de la licencia menciona «bilibili indextts2»; la model card de IndexTTS 2.5 enlaza la misma licencia.

Licencia

bilibili Model Use License. Se permite el uso comercial por debajo de los límites de tamaño de la licencia; por encima de ellos necesitas una licencia aparte de bilibili. Se rige por la legislación china; prevalece el texto en chino.

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

Restricciones:

  • Se necesita una licencia aparte de bilibili si tú y tus empresas afiliadas superasteis los 100 millones de RMB de ingresos el año pasado (el texto en chino prevalente) o los 100 millones de usuarios activos mensuales.
  • Ni el modelo ni sus resultados pueden usarse para mejorar otros modelos de IA, excepto el propio IndexTTS o modelos no comerciales.
  • Cualquier persona a la que transmitas el modelo debe aceptar la misma licencia; conserva los avisos de copyright y una copia de la licencia, y las obras derivadas deben incluir su exención de responsabilidad.
  • No apto para usos de alto riesgo como aplicaciones médicas, militares, vigilancia biométrica o decisiones automatizadas sobre personas.
  • La licencia termina si demandas a bilibili por el modelo.

Eres responsable de cumplir la licencia del modelo que descargues. Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.

Versiones

Versiones de IndexTTS 2.5 (modelo de voz)
VersiónPublicadaRequiere la aplicación
1.0.2Última0.32.0-beta.6 o posterior
1.0.10.32.0-beta.6 o posterior

Instalar

En la app de escritorio

Abre la ventana Paquetes (el icono de paquete en la barra de estado), selecciona Explorar, busca aigd.tts-indextts25 y haz clic en Añadir al proyecto.

¿Aún no tienes la app? Descarga AI Game Dev gratis para Windows, macOS o Linux.

Desde el terminal

Con la CLI gamedev, en la carpeta de tu proyecto:

gamedev pkg add aigd.tts-indextts25

Requisitos

  • AI Game Dev 0.32.0-beta.6 o posterior

Más sobre los paquetes

Instalar
gamedev pkg add aigd.tts-indextts25