B站开源IndexTTS—2.0！语音技术突破时长与情感双控难题，助力内容全球化

哔哩哔哩Index团队开源最新文本转语音模型IndexTTS—2.0，该模型创新性提出“时间编码”机制，解决传统自回归（AR）模型难以精确控制语音时长的难题，同时实现音色与情感的解耦建模，支持多模态情绪控制（如通过音频参考、文本描述等方式控制情感）及跨语种合成，在多个测试集上性能超越现有SOTA模型。目前模型在Github已超10k stars，其技术突破显著提升AI配音、视频翻译等下游场景可用性，尤其为B站优质内容出海提供关键技术支持，降低高质量内容跨语言传播门槛，标志零样本TTS进入“情感可控 时长精确”双维度时代。