IndexTTS-2.5

קוד פתוח

IndexTeamother2026-08-10

indextts
safetensors
text-to-speech
tts
zero-shot

מודל המרת טקסט לדיבור שמשכפל קול מקטע שמע בודד, עם שליטה נפרדת ברגש ובמהירות. הוא תומך בחמש שפות ומפיק שמע באיכות 22.05 קילוהרץ.

5.1 GBמשקל הקבצים
14,846הורדות בחודש
198לייקים

מה זה

מדובר במודל שמייצר דיבור על בסיס ארכיטקטורת GPT עם כ־0.8 מיליארד פרמטרים, מפענח זרימה וווקודר מסוג BigVGAN. הוא יודע לקחת דגימת שמע אחת, לשכפל את גוון הקול, ולהקריא טקסט בסינית, אנגלית, יפנית, ספרדית או ערבית, כולל העברת הקול בין השפות השונות. בנוסף, הוא מאפשר לשלוט במהירות הדיבור וברגש בלי לפגוע בזהות הקול של הדובר המקורי.

ביחס לגרסה הקודמת, נוספה כאן תמיכה ביפנית, ספרדית וערבית, המהירות שופרה, ויש דיוק טוב יותר בשליטה בפונמות באנגלית, פיניין וקאנה. המבנה שלו מפריד בין מאפייני הרגש לגוון הקול, כך שאפשר לשנות את הבעת הדיבור בלי לאבד את הדמיון למקור.

מתאים ל

דיבוב רב לשוני
שכפול קול דובר מאנגלית לספרדית או ערבית, תוך שמירה על גוון הקול המקורי בשפות השונות.
הקראת תוכן מותאמת אישית
יצירת שמע באנגלית או ערבית מקטע קצר יחיד של המשתמש, בלי צורך באימון מודל ייעודי.
קריינות עם הבעת רגש
הפקת דיבור שבה מפרידים בין אופי הקול לבין טון רגשי מסוים או מהירות הדיבור הנדרשת.

איפה זה נופל

הבעיה הבולטת ביותר היא בטקסטים ארוכים, המודל חותך את הטקסט למקטעים ומחבר אותם עם שתיקה קצרה ביניהם, מה שפוגע ברציפות ובאינטונציה בין המשפטים. בנוסף, אם תרצו שליטה ברגש על בסיס תיאור טקסטואלי, תצטרכו להעלות מודל נוסף בשם QwenEmotion, ובחירה בדגימה אקראית של רגשות פוגעת בדיוק שכפול הקול. עברית אינה נתמכת כלל, כך שלמוצרים מקומיים המודל לא מתאים בלי הרחבה לשפות נוספות.

שאלות
נפוצות

האם המודל תומך בעברית?

לא. המודל תומך כרגע בחמש שפות בלבד: אנגלית, סינית, יפנית, ספרדית וערבית. ניסיון להזין טקסט בעברית לא יעבוד ללא הרחבה או אימון נוסף.

כמה זיכרון כרטיס מסך נדרש כדי להפעיל אותו?

המודל דורש כרטיס מסך של NVIDIA עם כ־6 גיגה של VRAM לצורך הרצה. קחו בחשבון שבהפעלה הראשונה הוא מוריד רכיבי עזר נוספים שצורכים מקום בדיסק.

איך מריצים

כדי להריץ אותו מקומית צריך כרטיס מסך של NVIDIA עם לפחות 6 גיגה זיכרון גרפי וסביבת פייתון בגרסת 3.10 או 3.11. ההתקנה נעשית ישירות ממאגר הגיטהאב בעזרת uv. קבצי המשקולות עצמם שוקלים 5.1 גיגה, אבל בהרצה הראשונה המערכת מורידה מודלים תומכים נוספים כמו w2v-bert ו־BigVGAN אל תיקיית המטמון.

דרישות החומרה צנועות יחסית למודלים דומים, מה שמאפשר להריץ אותו על מחשב פיתוח חזק או שרת מקומי בסיסי עם ממשק הווב המובנה. שירות חיצוני יעדיף מי שאין לו חומרה ייעודית וזקוק רק לקריאות בודדות בלי לנהל תלויות של קבצי עזר והורדות נוספות.

pip install -U huggingface_hub
hf download IndexTeam/IndexTTS-2.5

הקבצים

22 קבצים במאגר, 5.1 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הקוד והמשקולות מופצים תחת רישיון שימוש ייעודי של חברת Bilibili, ולא תחת רישיון קוד פתוח סטנדרטי. הרישיון דורש הסכמה לתנאים הספציפיים שלהם ומטיל את האחריות לקבלת הסכמת הדובר המשוכפל על המשתמש. לפני שילוב שלו במוצר מסחרי, חובה לבדוק את תנאי המסמך המלאים בגיטהאב כדי לוודא שאין בו מגבלות על שימוש עסקי או הפצה.

הרישיון המלא בעמוד המודל ↗