TTS

傳統語音克隆無法分離音色與情感、難以控制時長、強調情緒時發音不清。Bilibili 開源的 IndexTTS2 只需 3-15 秒音訊樣本，實現情感與音色解耦控制、精確時長控制，在 benchmark 測試中超越 CosyVoice2、F5-TTS 等主流系統。