Zero-Shot 語音生成模型 IndexTTS 發布 2.5 版：支援 5 種語言、升級音素與語速控制，並支援 vLLM 部署

開源 Zero-Shot 文字轉語音系統 IndexTTS 發布 2.5 版本，該系統主打僅需單一參考音訊即可複製聲音。新版擴展支援中文、英文、日文、西班牙文與阿拉伯文等 5 種語言，推論速度較前代 IndexTTS-2 更快，並保留了跨語言與音色-情感解耦（timbre-emotion disentanglement）能力。 在控制性方面，IndexTTS-2.5 提升了對中文拼音、英文 CMU 音素與日文假名的發音控制精度，並新增 `duration_factor` 參數，允許使用者在 0.5 倍至 2.0 倍之間調整語速。 針對生產環境，新版正式支援透過 vLLM 進行部署。在推論最佳化上，IndexTTS-2.5 支援 BF16 半精度推論以降低 VRAM 佔用，並可搭配 DeepSpeed 進行加速。