前言：

• 最近一直在研究文本转语音（TTS: Text To Speech）技术，接触到了fish-speech，但fish-speech情感控制不是很好用
• 刚好最近B站开源的indexTTS出了2，尝试一下
• 【indexTTS官网】
• 【indexTTS项目】
• 【indexTTS2效果演示】
• 【indexTTS2在线体验】

1 体验分享

• 在声音的还原度上，indexTTS2相当的好，第一次去去它的演示网站去使用时，我都惊呆了，竟然会这么还原，效果比fish-speech真的要好

• 而且indexTTS2有丰富的感情控制参数调整，发音感情调整起来真的方便非常多，而且效果很不错，这算是indexTTS2非常大的一个优点

• indexTTS2效果好的代价就是推理的速度真的慢，跟fish-speech比真的要慢多了，即使时使用CUDA加速的情况下，还是慢，对电脑的性能要求较高

• 而且有些功能上没fish-speech好用，就例如fish-speech的发音调整，我觉得是一个很好用的功能，可惜indexTTS2没有

• 总结： indexTTS2并不是完全意义上的fish-speech的上位替代，算是各有春秋，但使用体验上，应该是indexTTS2更胜一筹

2 效果演示分享

• 因为indexTTS2最大的特点就是丰富的情感控制，这边也着重去演示语音情感
• 下面以鸣潮-今汐的音频来演示

文本	音频
一个人走虽然更快，一群人才能走得更远。未来的路，我会和大家，会和你一起走下去。

2.1 与音色参考音频相同

• 音色参考音频的情感是怎样的，生成音频情感也是怎样的
  • 你和钱，对我都不重要。没有你，对我很重要。

2.2 使用情感参考音频

• 在音色音频的基础上，额外再上传一个情感参考音频，来生成对应音色对应情感的音频
  • 你给我翻译翻译，什么他妈的是他妈的惊喜

2.3 使用情感向量控制

• 可以调整下方的情况变量来实现自己想要的效果，可以组合使用
  • 酒要一口一口喝，步要一步一步走，步子迈大了，容易扯着蛋

2.4 使用情感描述文本控制

• 可以文字输入描述情感的文本来控制（实际体验下来不是很好用，容易情绪占比过重导致音色发生改变）
  • 你带着老婆，出了城，吃着火锅还唱着歌，突然就被麻匪劫了