# IndexTTS 2.5 (modelo de fala)

> IndexTTS 2.5, da bilibili, rodando localmente: clonagem de voz zero-shot a partir de um clipe de 3 a 30 s, com a emoção descrita em uma instrução, em chinês, inglês, japonês, espanhol e árabe. Para diálogos de jogo expressivos. Roda em uma GPU com cerca de 6 GB com audio.cpp. O uso comercial é permitido abaixo dos limites de tamanho da licença.

- Id: `aigd.tts-indextts25`
- Origem: Oficial (de primeira parte `aigd.*`)
- Categoria: Áudio
- Publicador: AI Game Dev (`aigd`), verificado
- Versão mais recente: 1.0.2 (publicado em 2026-11-22)
- Licença: SEE LICENSE IN README.md
- Requer o app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: não
- Avaliação: ainda sem avaliações
- Página HTML: https://ai-game.dev/pt-br/packages/aigd.tts-indextts25

## Instalar

Com o CLI gamedev, na pasta do projeto:

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

No app desktop: abra a janela Packages (o ícone de pacote na barra de status), selecione **Browse**, busque `aigd.tts-indextts25` e clique em **Add to Project**. Mais: https://ai-game.dev/docs/wiki/app/packages

## Versões

| Versão | Publicado | Requer o app | Observações |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | mais recente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descrição

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

O IndexTTS 2.5 é o modelo de texto para fala com clonagem de voz zero-shot da bilibili, com controle de emoção, em chinês, inglês, japonês, espanhol e árabe. Toda requisição precisa de um clipe de referência, e uma instrução descreve a emoção. No AI Game Dev ele roda na sua GPU por meio de **Local audio generation** (`aigd.audiocpp`, audio.cpp). Ele serve para jogos que querem que a mesma voz de personagem soe calma, irritada ou com medo na hora certa. A licença permite uso comercial abaixo de um limite de porte (veja a licença).

## O que você pode criar

- Diálogo emocional de personagem com voz clonada: a mesma voz, uma emoção diferente por fala.
- Narrações em chinês, inglês, japonês, espanhol ou árabe a partir de um único clipe de referência.
- Interpretações de cutscene em que a entrega é descrita em palavras.

## Exemplos de requisições

- "Clone `Audio/ref/knight.wav` e diga 'Recuem!' com uma voz apavorada."
- "Leia o discurso da rainha com a voz de referência, calma e melancólica."
- "Duble a versão em japonês desta fala com o mesmo clipe, empolgado."

## Destaques

|  |  |
|---|---|
| Id do modelo | `aigd.tts-indextts25.q8-0` |
| Idiomas | auto, en, zh, ja, es, ar (`auto` escolhe chinês para textos com caracteres han, senão inglês) |
| Vozes | sempre um clone de um clipe de referência de 3–30 s (sem transcrição necessária) |
| Emoção | descrita em uma instrução |
| Saída | 22.05 kHz |
| Texto por requisição | até 2.000 caracteres |
| Roda em | uma GPU com cerca de 6 GB (estimativa): NVIDIA (CUDA), Vulkan ou Mac (Metal) |
| Download | 3.50 GB, 1 arquivo |
| Licença | bilibili Model Use License: uso comercial abaixo dos limites de porte dela |

## Como ele roda

Este pacote é apenas dados: ele nomeia os arquivos do modelo. Depois que você aceita a licença, o app os baixa do Hugging Face, verifica cada um por sha256 e os executa com **Local audio generation** (`aigd.audiocpp`, audio.cpp) no seu computador.

## Download

- **IndexTTS 2.5** (`aigd.tts-indextts25.q8-0`): 3.50 GB, 1 arquivo de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fixado nesse commit.

## Em quais computadores

Precisa de uma GPU com cerca de 6 GB.

## Vozes e idiomas

- IndexTTS 2.5: idiomas auto, en, zh, ja, es, ar; precisa de um clipe de referência; uma instrução de estilo ou emoção.

O LICENSE em inglês no Hugging Face indica um limite de receita de RMB 1 bilhão, mas o texto em chinês (LICENSE_ZH, que segundo a seção 9 prevalece) indica RMB 100 milhões (1亿): veja [LICENSE_ZH](https://github.com/index-tts/index-tts/blob/main/LICENSE_ZH.txt) §2.2. Este pacote declara o valor mais restritivo, que prevalece. A seção 1.4 da licença cita "bilibili indextts2"; o model card do IndexTTS 2.5 aponta para a mesma licença.

## Licença

bilibili Model Use License. O uso comercial é permitido abaixo dos limites de porte da licença; acima deles, você precisa de uma licença separada da bilibili. A lei chinesa rege; o texto em chinês prevalece.

- IndexTTS 2.5 da bilibili IndexTeam: [model card](https://huggingface.co/IndexTeam/IndexTTS-2.5), bilibili Model Use License; texto da licença: [bilibili Model Use License](https://huggingface.co/IndexTeam/IndexTTS-2.5/blob/c39ce5ba981572cb187443877ff559dfb246ce63/LICENSE).
- Todos os arquivos deste pacote vêm de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf): bilibili Model Use License (a licença upstream; conversão do audio.cpp). Tabela de licenças por família do audio.cpp: [model_licenses.md](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md).

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

Restrições:

- Uma licença separada da bilibili é necessária se você e suas afiliadas tiveram receita acima de RMB 100 milhões no ano passado (o texto chinês prevalecente) ou mais de 100 milhões de usuários ativos mensais.
- Nem o modelo nem suas saídas podem ser usados para melhorar outros modelos de IA, exceto o próprio IndexTTS ou modelos não comerciais.
- Qualquer pessoa a quem você repassar o modelo precisa aceitar a mesma licença; mantenha os avisos de copyright e uma cópia da licença, e os derivados devem trazer seu aviso de isenção de responsabilidade.
- Não é para usos de alto risco, como fins médicos, militares, vigilância biométrica ou decisões automatizadas sobre pessoas.
- A licença termina se você processar a bilibili por causa do modelo.

Você é responsável por seguir a licença do modelo que baixar. Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.
````
