IndexTTS-2.5 是哔哩哔哩（B站）Index 团队于 2026 年 8 月开源的零样本语音合成模型，在 IndexTTS-2 的基础上扩展至中英日西阿五语种，支持细粒度情感控制、语速控制与拼音/CMU 音素/日文假名发音控制，推理速度进一步提升。

核心特性

• 多语种零样本克隆：支持中文、英语、日语、西班牙语、阿拉伯语，基于单条参考音频即可高质量复刻音色，跨语种能力与音色-情感解耦能力延续自 IndexTTS-2
• 细粒度情感控制：通过参考情感音频、情感强度向量与自然语言情感描述多种方式驱动情感表达，适合影视配音等情感丰富的场景
• 语速与发音控制：支持 duration_factor（0.5x–2.0x）精确控制语速，支持中文拼音、英语 CMU 音素、日文假名指定发音
• 推理更快：相比 IndexTTS-2 推理速度显著提升，并支持 vLLM 生产级部署
• 多语言支持：中英日西阿五语种合成，服务全球多语言内容生产

适用场景

影视剧/动画配音、有声书与多语种内容生产、数字人语音、广告配音、游戏角色配音等。

更多信息可参考：https://github.com/index-tts/index-tts