B站开源的iIndexTTS2，这效果简直绝了

      可能是目前情感控制做的最好的声音克隆和最强的原声翻译模型 语气、节奏、口音、现场混响甚至“磕巴”都能还原，支持原声翻译，整条视频一键英文化 对于所有视频创作者而言，AI配音一直存在一个难以逾越的障碍：音画同步。

      之前的模型在生成时很难精确控制最终音频的时长，尤其是在视频配音等需要严格时间对齐的应用中 IndexTTS2正面解决了这个行业痛点，它支持两种模式：一种可以明确指定生成时长，确保音频与视频画面分秒不差；另一种则可以自由生成，同时保持参考音频的自然韵律 效果真心不错，又收获一个吊炸天利器