Index-TTS 2.5：6G显存、情感/多音字与API接口实测

刘悦的技术博客 · 昨天 20:04

一句话导读：这期视频实测 Index-TTS 2.5 的本地运行和接口服务，重点展示 6G 显存笔记本、参考音频、情感向量与多音字控制，并说明新版相对 2.0 的速度和使用体验。

核心内容：
1. Index-TTS 更新到 2.5 后，作者先展示服务启动流程：程序会自动启动接口服务，默认使用参考音频作为声音条件。视频给出的实测环境是 RTX 4060 笔记本，显存占用约 6G，定位上更适合显存有限的本地用户。
2. 音色部分通过参考音频进行声音克隆和文本转语音演示。示例包含叙事段落和情绪化台词，重点观察参考音色在不同文本下的保持情况；相较 2.0，作者认为 2.5 在性能和速度上都有提升。
3. 情感控制是本期重点。作者在接口中加入情感控制参数，演示同一参考音色在不同情绪表达下的语音变化；视频标题和简介还将情感向量列为主要能力，适合需要保留音色同时改变语气的场景。
4. 多音字控制部分单独演示了如何处理文本中的读音选择，避免 TTS 按默认读法生成。对于小说、旁白或包含专有名词的长文本，这类控制比单纯调整速度更实用。
5. 视频中还展示了通过接口调用生成语音的基本过程，并在开源朗读引擎配置下进行测试。视频标题和简介列出的流式接口、超长文本、声音克隆等能力，可作为该版本的功能定位；本段音频演示的重点则是接口启动、情感参数、多音字与实际朗读效果。

适合人群：希望在 6G 左右显存设备上运行 TTS、需要参考音频克隆音色，或要通过 API 集成情感控制、多音字处理和长文本朗读的用户。

补充说明：本文根据授权视频完整音频转写、视频简介和首屏评论整理。简介中的第三方 API 平台推广未纳入正文；首屏评论未发现夸克网盘链接，评论中出现的其他网盘链接也不在本次资源收录范围内。具体模型依赖、接口参数和实际效果请以原视频及项目说明为准。