# IndexTTS 2.5（语音模型）

> bilibili 的 IndexTTS 2.5，本地运行：从 3-30 秒的片段进行零样本声音克隆，情绪通过指令描述，支持中文、英语、日语、西班牙语和阿拉伯语。适合富有表现力的游戏对白。配合 audio.cpp 在约 6 GB 显存的 GPU 上运行。在许可证的规模限制以内允许商业使用。

- ID: `aigd.tts-indextts25`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.2 (发布于 2026-11-22)
- 许可证: SEE LICENSE IN README.md
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.tts-indextts25

## 安装

使用 gamedev CLI，在项目文件夹中运行：

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

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.tts-indextts25`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

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

IndexTTS 2.5 是 bilibili 的零样本语音克隆文本转语音模型，支持情绪控制，涵盖中文、英语、日语、西班牙语和阿拉伯语。每次请求都需要一段参考音频片段，并用指令描述情绪。在 AI Game Dev 中，它通过 **Local audio generation**（`aigd.audiocpp`，audio.cpp）在你的 GPU 上运行。它适合希望同一角色声音能按需表现得平静、愤怒或恐惧的游戏。其许可证允许在规模上限以下进行商业使用（见许可证）。

## 你可以制作什么

- 用克隆声音演绎带情绪的角色对白：同一个声音，每句台词换一种情绪。
- 用一段参考音频片段生成中文、英语、日语、西班牙语或阿拉伯语的配音。
- 过场动画表演，用文字描述演绎方式。

## 示例请求

- “克隆 `Audio/ref/knight.wav`，用惊慌的声音说‘撤退！’”
- “用参考声音朗读女王的演讲，平静而忧郁。”
- “用同一段音频片段为这句台词的日语版本配音，语气兴奋。”

## 亮点

|  |  |
|---|---|
| 模型 id | `aigd.tts-indextts25.q8-0` |
| 语言 | auto、en、zh、ja、es、ar（`auto` 对含汉字的文本选择中文，否则选择英语） |
| 声音 | 始终克隆自 3–30 秒的参考音频片段（无需转写文本） |
| 情绪 | 在指令中描述 |
| 输出 | 22.05 kHz |
| 每次请求的文本 | 最多 2,000 字符 |
| 运行于 | 约 6 GB 显存的 GPU（估算）：NVIDIA（CUDA）、Vulkan 或 Mac（Metal） |
| 下载 | 3.50 GB，1 个文件 |
| 许可证 | bilibili Model Use License：在规模上限以下可商业使用 |

## 运行方式

此包只包含数据：它指明模型文件。你接受许可证后，应用会从 Hugging Face 下载这些文件，用 sha256 逐一校验，并通过 **Local audio generation**（`aigd.audiocpp`，audio.cpp）在你的电脑上运行它们。

## 下载

- **IndexTTS 2.5**（`aigd.tts-indextts25.q8-0`）：3.50 GB，1 个文件，来自 [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3)，固定到该提交。

## 适用电脑

需要约 6 GB 显存的 GPU。

## 声音与语言

- IndexTTS 2.5：语言为 auto、en、zh、ja、es、ar；需要一段参考音频片段；需要风格或情绪指令。

Hugging Face 上的英文 LICENSE 写的是 10 亿元人民币的收入上限，但中文文本（LICENSE_ZH，第 9 节规定以其为准）写的是 1 亿元人民币（1亿）：见 [LICENSE_ZH](https://github.com/index-tts/index-tts/blob/main/LICENSE_ZH.txt) §2.2。此包采用更严格、且以之为准的数字。许可证第 1.4 节写的是 “bilibili indextts2”；IndexTTS 2.5 的模型卡链接的是同一份许可证。

## 许可证

bilibili Model Use License。在许可证的规模上限以下允许商业使用；超过上限则需要向 bilibili 另行获取许可证。适用中国法律；以中文文本为准。

- IndexTTS 2.5 由 bilibili IndexTeam 发布：[模型卡](https://huggingface.co/IndexTeam/IndexTTS-2.5)，bilibili Model Use License；许可证文本：[bilibili Model Use License](https://huggingface.co/IndexTeam/IndexTTS-2.5/blob/c39ce5ba981572cb187443877ff559dfb246ce63/LICENSE)。
- 此包的每个文件都来自 [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf)：bilibili Model Use License（上游许可证；由 audio.cpp 转换）。audio.cpp 按模型系列列出的许可证表：[model_licenses.md](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md)。

必须标注的署名："IndexTTS 2.5 by bilibili IndexTeam (IndexTeam/IndexTTS-2.5), bilibili Model Use License; GGUF by audio.cpp."

限制：

- 如果你及你的关联方去年的收入超过 1 亿元人民币（以中文文本为准），或月活跃用户超过 1 亿，则需要向 bilibili 另行获取许可证。
- 不得将模型或其输出用于改进其他 AI 模型，IndexTTS 本身或非商业模型除外。
- 你传递给任何人的模型，对方都必须接受同一份许可证；保留版权声明和许可证副本，衍生作品必须附带其免责声明。
- 不得用于医疗、军事、生物特征监控或针对人的自动化决策等高风险用途。
- 如果你就本模型起诉 bilibili，许可证即终止。

你有责任遵守所下载模型的许可证。所有文件均从 Hugging Face 下载，AI Game Dev 不托管这些文件。
````
