Index Tts

Index-TTS (V2) — TTS de alta fidelidad con clonado + multilenguaje

⚠️ Corrección 2026-09-05 (auditoría stars-explorer): la v1 usaba from index_tts import TTS y métodos load_reference/synthesize inexistentes. El paquete se llama indextts y la API real es la clase IndexTTS2.infer(...).

Repo: https://github.com/index-tts/index-tts (Python, ~24K⭐). Modelo/hub: IndexTTS-2.5 (multilenguaje: chino, inglés, japonés, español, árabe).

When to Use

• Cuando pidas clonar una voz nueva con TTS de alta fidelidad y multilenguaje, sin datos masivos de la voz.
• Cuando necesites TTS más natural que el de edge/whisper para un protagonista o narración.

Uso

El proyecto se gestiona con uv. Instalación:

uv run webui.py            # interfaz web
# o instalar como tool
uv tool install -e .

API en Python (paquete indextts):

from indextts.infer_v2_5 import IndexTTS2
tts = IndexTTS2(cfg_path='checkpoints/config.yaml', model_dir='checkpoints', use_bf16=True)
tts.infer(
    spk_audio_prompt='voz.wav',   # voz de referencia
    text='Texto a sintetizar',
    lang='EN',                     # EN / ZH / JA / ES / AR...
    output_path='gen.wav',
    verbose=True,
)

(El nombre del submódulo puede ser infer_v2_5, infer_v2 o infer según la versión — comprobar el README del repo.)

Pitfalls

• El paquete Python es indextts, nunca index_tts. Un from index_tts import TTS es inventado y no compila.
• No existe load_reference() ni synthesize() — el método es infer(...).
• La doc del repo promociona uv; pip install -e . no es la vía oficial.

Verificación

• Clonar con la voz de referencia y texto en español; comprobar que el audio de salida mantiene el timbre y suena natural en el idioma elegido.