Windows 11 安装、使用 IndexTTS2

• 对应视频教程：
  • B站：https://www.bilibili.com/video/BV1r9pvzkEYm/
  • 抖音：https://v.douyin.com/6mp7_4cd1Gk/
  • 小红书：http://xhslink.com/o/8yTE6duFdAh

1. IndexTTS2 简介

IndexTTS2 是哔哩哔哩（B站）语音团队在2025年9月开源的一款新一代文本转语音（TTS）模型。它在情感表达和语音时长控制方面取得了关键性突破。

技术原理： IndexTTS2的核心技术架构主要包括：

• 模块化设计：由文本到语义（T2S）、语义到旋律（S2M） 以及高性能声码器三大模块构成，逐层处理文本并生成高质量语音。
• 情感与音色解耦：利用梯度反转层（Gradient Reversal Layer）等先进技术，有效分离音色与情感特征，从而实现了独立的精准调控。
• 多阶段训练策略：通过分阶段训练方法，缓解了高质量带标注情感数据稀缺的问题，显著提升了模型对复杂情绪的理解与再现能力。
• 时间编码机制：首次在自回归TTS架构中引入时间编码，有效解决了传统模型在语音时长控制上精度不足的问题，实现了更稳定、更自然的语音节奏调控。

2. 准备工作

2.1. 检查硬件是否满足要求

显卡（GPU）要求：显存 ≥ 8GB