品玩2月27日讯，据 AIBase 报道，B站今日发布论文，介绍了一款文本转语音模型 IndexTTS，该模型可以根据拼音来纠正汉字的发音能力，同时可以根据标点来控制语音停顿。

据该模型论文显示，IndexTTS 系统经过数万小时的数据训练，已实现业内领先的性能，超越了当前流行的 TTS 系统，包括 XTTS、CosyVoice2、Fish-Speech 和 F5-TTS 等。系统的多个模块经过增强，特别是在扬声器条件特征表示和音频质量优化方面进行了深度改进。通过引入混合建模的方式，IndexTTS 能够快速纠正误读的汉字，提升了用户的使用体验。

在多项评测中，IndexTTS 表现出色，特别是在字词错误率（WER）和扬声器相似性(SS)方面，均优于许多同行模型。