前言

最近一直在折腾 AI 工具链(agent、skill、MCP 这些),就琢磨着让 AI 的产出再进一步——比如给视频配音、给播报类内容配上音色。市面上的 TTS 云服务要么按字符收费、要么音色固定,B 站开源的 IndexTTS 支持零样本音色克隆:给十几秒的参考音频,就能模仿着这个音色把任意文本读出来,模型权重直接开放下载,本地就能跑,正合适。

……

阅读全文