IndexTTS
index-tts/index-ttsRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es IndexTTS?
IndexTTS, de bilibili, convierte texto escrito en voz usando una voz copiada de una única grabación corta de referencia. Puedes ajustar la emoción (desde otro clip, con controles deslizantes o con una descripción), la velocidad al hablar y la pronunciación de palabras específicas. Funciona en tu propia computadora a través de una página en el navegador. Necesitas la terminal, Python con la herramienta uv, una tarjeta gráfica NVIDIA con CUDA 12.8 para buena velocidad, y varios gigabytes de archivos de modelo descargados desde HuggingFace o ModelScope.
IndexTTS es gratis y puede reemplazar a ElevenLabs, Murf y Fish Audio.
¿Qué tan fácil es instalar IndexTTS?
D · terminal, varias herramientas o tarjeta específica · Windows
- Windows D
- macOS D
- Linux D
En Windows y Linux, el mejor caso, clonas el repositorio, instalas la herramienta uv, ejecutas `uv sync --all-extras`, instalas una herramienta de descarga de modelos, obtienes varios gigabytes de archivos de modelo y luego inicias `uv run webui.py`; se necesita CUDA Toolkit 12.8 o más reciente y el README advierte que DeepSpeed puede ser difícil de instalar en Windows. En Mac no hay soporte de CUDA en la configuración propia del proyecto, así que la velocidad depende del procesador.
Pronto: instala con 1 clic desde la app RepoPicks.
IndexTTS en GitHub
- Estrellas
- 25.032el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +89estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux
- Necesitas instalar
- Python, Tarjeta NVIDIA, FFmpeg
- Para compilar desde el código
- Python, Tarjeta NVIDIA, FFmpeg
- Espacio en disco
- 1010 MB–4,5 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · Sin precio; la licencia exige que las empresas muy grandes soliciten una licencia aparte y dice que se escriba a [email protected] para uso comercial
- Licencia
- NOASSERTION (Otra)
- Puede reemplazar
- ElevenLabs, Murf, Fish Audio
- Último cambio en GitHub
- 29 sept 2026
Señales de riesgo de IndexTTS (4)
- Atenciónlicencia personalizada restrictiva
LICENSE es el "bilibili Model Use License Agreement", no una licencia de código abierto estándar: se requiere una licencia aparte por encima de 100 millones de usuarios mensuales o 1000 millones de RMB en ingresos, está prohibido el uso "to improve any AI model" distinto de este, y el propietario "reserve[s] the right to revoke the license"
revisión con IA
- Atenciónriesgo de suplantación por clonación de voz
El README describe la clonación sin entrenamiento previo ("zero-shot") de una voz a partir de un único clip de referencia ("clones a voice from a single reference audio clip"), lo que permite copiar la voz de una persona real sin su consentimiento; el repositorio incluye un archivo DISCLAIMER separado
revisión con IA
- Infola licencia prohíbe usos de alto riesgo
La sección 4.2 de LICENSE, "Prohibited High-Risk Use", enumera diagnóstico médico, conducción autónoma, aplicaciones militares, control de infraestructura crítica, vigilancia biométrica a gran escala y decisiones automatizadas de crédito o empleo
revisión con IA
- Infodescarga modelos durante la ejecución
El README dice: "Some small models are downloaded automatically on first run" y los archivos de audio de ejemplo se "downloaded on demand from HuggingFace/ModelScope the first time the WebUI starts"
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de IndexTTS
- El uso real de disco y memoria de video necesario tras descargar los archivos de modelo de 2.5 y 2
- Si se instala y funciona en una Mac sin tarjeta NVIDIA, y qué tan lento es ahí
- Si la calidad en cada uno de los cinco idiomas coincide con las tablas del README
- Qué archivos traen las descargas automáticas del primer uso