今日开源（2025-04-01）：B站开源IndexTTS，工业级零样本TTS系统，拼音校正+标点控制停顿，性能超越主流方案

文章预览

🏆基座模型 ①项目：IndexTTS  ★IndexTTS 是一个工业级的可控且高效的零样本文本到语音（TTS）系统。 该系统主要基于XTTS和Tortoise模型，能够通过拼音校正中文字符的发音，并通过标点符号控制任意位置的停顿。 系统的多个模块得到了增强，包括改进说话人条件特征表示和集成BigVGAN2以优化音频质量。 经过数万小时的数据训练，IndexTTS在性能上超越了当前流行的TTS系统，如XTTS、CosyVoice2、Fish-Speech和F5-TTS。 ☆一键收藏： https://sota.jiqizhixin.com/project/indextts 🤖 Agent开发 ①项目：VAGEN ★ VAGEN是一个专为训练视觉语言模型（VLM）智能体而设计的多轮强化学习框架。它利用了TRICO算法来高效训练VLM以执行视觉智能体任务。 VAGEN通过选择性标记和跨轮次信用分配来优化决策关键的标记，并在交互轮次之间创建更细致的奖励结构，从而解决了传统强化学习框架在 ………………………………