从字到声：深入浅出 IndexTTS 系列
从 IndexTTS 1.0、1.5 到 2 与 2.5：拆开文本 BPE、拼音混合建模、25/50Hz 单码本语音 tokenizer、GPT 式 Text-to-Semantic、flow matching、时长控制与音色—情感解耦，理解这套工业级零样本 TTS 为什么不断重做“中间那层 token”。
Audio Tokenizer
从 IndexTTS 1.0、1.5 到 2 与 2.5：拆开文本 BPE、拼音混合建模、25/50Hz 单码本语音 tokenizer、GPT 式 Text-to-Semantic、flow matching、时长控制与音色—情感解耦，理解这套工业级零样本 TTS 为什么不断重做“中间那层 token”。