IndexTTS · B 站开源零样本音色克隆与多情绪可控语音合成 · 中文部署与使用全指南

项目仓库： https://github.com/index-tts/index-tts

开源协议：bilibili Model Use License Agreement（附独立 DISCLAIMER，商用与大规模使用需核对协议条款） · 开发语言：Python（PyTorch 2.8） · 依赖管理：uv（强制使用以保证依赖一致） · WebUI：Gradio · WebUI 默认端口：7860（--host 0.0.0.0 --port 7860） · 官方生产部署：vLLM Recipe · 当前主线版本：IndexTTS-2.5（同仓库兼容 IndexTTS-2、1.5 旧版）

1 项目简介

IndexTTS 是由 Bilibili Index Team 维护的工业级可控、高效零样本文本转语音（Zero-shot TTS）系统：只需要一段参考音频，即可克隆其中的音色生成新语音。仓库主线最新版本为 IndexTTS-2.5，支持中文、英语、日语、西班牙语、阿拉伯语，提供细粒度情绪控制、语速控制与发音控制（中文拼音 / 英语 CMU 音素 / 日语假名），官方称推理速度快于 IndexTTS-2，并保留跨语言与音色—情绪解耦能力。同仓库还保留 IndexTTS-2、IndexTTS-1.5 等历史版本的推理代码与模型入口。

非官方声明：本文依据官方 README、docs/README_zh.md、LICENSE、DISCLAIMER、webui.py 与 pyproject.toml 整理部署步骤；项目由 Bilibili Index Team 开发维护，官方在 README 中明确：核心团队唯一官方渠道为本仓库，其他任何网站或服务均非官方。本文不代理官方立场，模型效果、参数与许可条款以仓库最新版本为准。

1.1 核心信息一览

1.2 适用场景

• 希望仅凭一段干净参考音频克隆目标音色，用于配音、有声书、内容创作与研究实验。
• 需要在合成语音中施加可控情绪：悲伤、高兴、愤怒、害怕、厌恶、忧郁、惊讶、平静，并调节情绪强度。
• 多语言内容生产：中文、英文、日文、西班牙文、阿拉伯文文本在同一套工具内合成，并支持跨语言音色迁移。
• 需要纠正多音字发音（拼音标注）、英语多音字（CMU 音素标注）与日语多音字（假名标注）。
• 需要控制语速（放慢 / 加快），或在生产环境通过 vLLM 方式提供批量推理服务。
• 语音技术研究与效果复现：对比零样本克隆、情绪解耦、发音可控等技术指标。

1.3 能力边界（官方口径）

• 参考音频即音色：零样本克隆依赖 spk_audio_prompt 参考音频；官方未提供上传长期训练、专属声纹模型的本地训练流程（自定义训练属于研究范畴，以仓库后续文档为准）。
• 情绪与音色解耦：情绪参考音频 / 情绪向量控制情绪倾向，音色由说话人参考音频决定；官方说明开启随机采样（use_random=True）会降低音色克隆保真度。
• 发音控制覆盖范围有限：拼音仅支持 checkpoints/pinyin.vocab 中有效的合法组合；英语音素以 CMU 词典条目为准；未列出的标注组合不保证生效。
• IndexTTS-2 的时长控制：官方在 News 中说明"精确合成时长控制"功能在当前版本尚未启用。
• 低显存自动降级：webui.py 内置显存阈值 10.0 GB；检测到显存低于阈值时自动启用半精度并默认跳过 QwenEmotion 加载，文本情绪描述控制在该状态下不可用（可用 --qwen_emo 强制加载）。
• 官方 README 未逐字给出各版本模型的固定显存下限、磁盘容量清单与离线安装包；硬件余量以 tools/gpu_check.py 检测结果与实际加载日志为准，以官方仓库最新说明为准。

2 功能特性

2.1 零样本音色克隆

• 单段参考音频即可作为说话人提示（spk_audio_prompt），无需为目标音色单独训练模型。
• 2.5 版本在合成时通过 lang 指定目标语言，支持跨语言音色迁移；音色与情绪在模型层面解耦，可分别控制。

2.2 多模态情绪控制

• 情绪参考音频：另传一段情绪音频 emo_audio_prompt，让输出继承其情绪倾向。
• 情绪强度 emo_alpha：指定情绪参考音频对结果的影响程度，取值 0.0–1.0，默认 1.0（100%）。
• 情绪向量：不传情绪音频时，直接传入 8 维浮点列表，顺序为 [happy, angry, sad, afraid, disgusted, melancholic, surprised, calm]。
• 文本自动转情绪向量 use_emo_text：把台词脚本本身转换为情绪向量；官方建议配合约 0.6 或更低的 emo_alpha 以获得更自然的语音。
• 显式情绪描述 emo_text：把台词文本与情绪描述文本分开控制，情绪描述单独转换为情绪向量。
• 随机采样 use_random：推理时引入随机性，默认 False；官方提示开启后会降低音色克隆保真度。

2.3 语速与发音控制（2.5）

• 语速 duration_factor：大于 1.0 放慢，小于 1.0 加快，范围 0.5–2.0，默认 1.0。
• 中文拼音标注：在多音字处使用 <词|拼音> 标注，如 <行|XING2>。
• 英语 CMU 音素标注：如 <minute|M IH1 . N AH0 T> 与 <minute|M AY0 . N UW1 T> 区分不同读音。
• 日语假名标注：如 <上手|じょうず> / <上手|うわて> 区分多音字读法。

2.4 性能与部署选项

• 半精度推理：2.5 使用 BF16、2 使用 FP16，官方说明半精度推理更快、显存占用更低、质量损失很小。
• 可选加速：DeepSpeed、编译 CUDA 内核（--cuda_kernel）、GPT2 加速引擎（--accel，依赖 flash-attn）、torch.compile 优化 s2mel；官方提示 DeepSpeed 在部分系统上反而可能变慢，需结合硬件实测。
• vLLM 生产部署：官方提供 IndexTTS-2.5 的 vLLM Recipe 用于生产环境服务化。
• 模型自动补全：WebUI 启动时检查模型目录必需文件，缺失时自动从 HuggingFace / ModelScope 下载；示例音频首次启动按需下载，不再依赖 Git LFS。

3 官方界面预览

图2 为 README 中 IndexTTS-2.5 演示视频封面，对应 B 站演示片与官方 Demo 页面；演示音频与跨语言效果以官方 Demo 为准。

图3 为 README 中 IndexTTS-2 演示宣传图，体现"文本提示 → 丰富情绪语音"的能力定位。本地 uv run webui.py 启动后的 Gradio 界面包含说话人参考音频、情绪参考音频 / 情绪向量、文本输入、语言选择、语速与情绪强度等控件，具体布局以本地启动版本为准。

4 官方跳转链接汇总

下表列出项目相关的全部官方入口，均可直接点击访问。

5 前置要求与服务器配置

5.1 软件前提

• Git：用于克隆仓库，先从 git-scm.com 安装。
• Python 版本区间：pyproject.toml 要求 >=3.10,<3.12；由 uv 自动创建匹配的 .venv，不要手动切换到其他版本再叠加安装。
• uv 包管理器：官方明确要求使用 uv 以获得可靠安装：

pip install -U uv
# 其他安装方式见 https://docs.astral.sh/uv/getting-started/installation/

• NVIDIA 驱动与 CUDA Toolkit（Linux / Windows）：官方提示安装过程中若出现 CUDA 报错，需确保系统已安装 NVIDIA CUDA Toolkit 12.8 或更新版本；pyproject.toml 中 PyTorch 按 cu128 索引解析。
• 可选加速依赖：DeepSpeed（--extra deepspeed）、flash-attn GPT2 加速引擎（--extra accel）、torch.compile 相关扩展（--extra torch_compile）；Windows 上 DeepSpeed 官方提示可能较难安装，可去掉 --all-extras 后按需单独开启其他 extra。
• 音频依赖：pyproject.toml 已声明 ffmpeg-python、librosa、openai-whisper 等；个别音频格式处理若报错，需按本机提示确认系统 ffmpeg 是否可用。
• 模型网络：首次启动需访问 HuggingFace 或 ModelScope 下载模型权重与示例音频；国内网络可按第 8.2 节配置镜像。

5.2 硬件建议（官方口径）

说明：官方 README 未逐字列出最低显存 GB 数、内存下限与采样率清单，本节未补充臆造数值；部署时先运行第 7.1 节的 GPU 检测工具，再按第 8 节调整半精度与加速开关。

5.3 端口分配

远程服务器使用 WebUI 时，建议通过 SSH 隧道或带认证的反向代理访问 7860 端口；不要把 Gradio 界面不加鉴权地直接暴露到不可信公网。生产批量服务以官方 vLLM Recipe 为准（第 6 章）。

6 方式一：官方生产服务化部署（vLLM Recipe）

6.1 仓库容器化现状（如实说明）

IndexTTS 仓库未随附官方 Dockerfile 与 docker-compose.yml，本章不编造容器编排文件。官方对生产环境批量推理给出的服务化路径是 vLLM Recipe：

• 官方链接：https://recipes.vllm.ai/IndexTeam/IndexTTS-2.5

使用前请先在该 Recipe 页面阅读其给定的基础镜像、模型挂载、环境变量、启动命令与服务端口；本章仅复述官方定位，Recipe 内的具体命令、端口与资源限制以页面最新版本为准，不要套用其他 TTS 项目的 Compose 配置。

6.2 服务化前置条件（本地已验证环境）

在按 Recipe 部署服务前，先在同一台机器上完成第 7 章的源码环境与模型下载，确认：

1. uv sync --all-extras 依赖安装成功；
2. 模型目录必需文件齐全（2.5：gpt.pth、s2mel.pth、codec.pth、multilingual_zh_ja_yue_char_del.tiktoken、wav2vec2bert_stats.pt；2：bpe.model、gpt.pth、s2mel.pth、wav2vec2bert_stats.pt）；
3. tools/gpu_check.py 能正确识别目标 GPU；
4. 参考音频、文本长度与并发规模在本机实测通过，再迁移到 Recipe 服务化环境。

6.3 服务化合规提醒

• vLLM 服务面向内部或授权用户提供推理时，应继续遵守 LICENSE 与 DISCLAIMER 的使用限制（第 11 章），不得绕过音色与情绪授权边界。
• 服务端口、鉴权、限流与资源配额按 Recipe 与所在平台规范配置；本文不提供未经验证的一键 Compose 命令。

7 方式二：源码 / 本地 uv 环境运行

7.1 克隆仓库并检测 GPU

git clone https://github.com/index-tts/index-tts.git
cd index-tts

# 检测环境与识别到的 GPU
uv run tools/gpu_check.py

7.2 安装依赖（uv 强制使用）

# 安装 uv（如已安装可跳过）
pip install -U uv

# 同步全部 extra（webui + deepspeed + accel + torch_compile 等）
uv sync --all-extras

国内网络下载缓慢时，官方给出可用镜像示例：

uv sync --all-extras --default-index "https://mirrors.aliyun.com/pypi/simple"
# 或
uv sync --all-extras --default-index "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple"

可选 extra 说明（来自 README 与 pyproject.toml）：

官方提示：所有 uv 命令会自动激活项目虚拟环境，不要在运行 uv 命令前手动激活任何虚拟环境，否则可能造成依赖冲突。Windows 上 DeepSpeed 安装困难时，去掉 --all-extras，按需手动添加 --extra webui 等其他功能。

7.3 下载模型权重

方式 A：HuggingFace CLI

uv tool install "huggingface-hub"

# IndexTTS-2.5 -> checkpoints
hf download IndexTeam/IndexTTS-2.5 --local-dir=checkpoints

# IndexTTS-2 -> checkpoints_2
hf download IndexTeam/IndexTTS-2 --local-dir=checkpoints_2

方式 B：ModelScope

uv tool install modelscope-hub

# IndexTTS-2.5
modelscope download --model IndexTeam/IndexTTS-2.5 --local_dir checkpoints

# IndexTTS-2
modelscope download --model IndexTeam/IndexTTS-2 --local_dir checkpoints_2

若命令不可用，按 uv tool 输出提示把工具目录加入系统 PATH。部分小模型在首次运行时自动下载；HuggingFace 网络较慢时，先设置镜像再运行代码：

export HF_ENDPOINT="https://hf-mirror.com"

手动补拉示例音频（不经过 WebUI）

uv run python -c "from indextts.utils.examples_downloader import ensure_examples_available; ensure_examples_available()"

7.4 启动 WebUI

# IndexTTS-2.5（默认版本）
uv run webui.py

# IndexTTS-2
uv run webui.py --version 2 --model_dir ./checkpoints_2

浏览器打开：

http://127.0.0.1:7860

查看全部 WebUI 选项：

uv run webui.py -h

7.5 Python 脚本推理（命令行脚本）

# IndexTTS-2.5
PYTHONPATH="$PYTHONPATH:." uv run indextts/infer_v2_5.py \
  --cfg_path checkpoints/config.yaml \
  --model_dir checkpoints \
  --text "Hello world" \
  --lang EN

infer_v2_5.py 脚本参数（来自源码定义）：--cfg_path（默认 checkpoints/config.yaml）、--model_dir（默认 checkpoints）、--prompt_wav（默认 examples/voice_01.wav）、--text、--lang（默认 ZH）、--output（默认 gen.wav）、--text_normalization（默认开启）。

7.6 Python API 调用

0. 初始化模型

# IndexTTS-2
from indextts.infer_v2 import IndexTTS2
tts = IndexTTS2(
    cfg_path="checkpoints_2/config.yaml",
    model_dir="checkpoints_2",
    use_fp16=False,
    use_cuda_kernel=False,
    use_deepspeed=False,
)

# IndexTTS-2.5
from indextts.infer_v2_5 import IndexTTS2
tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints", use_bf16=True)

1. 单段参考音频克隆音色

text = "Translate for me, what is a surprise!"

# IndexTTS-2
tts.infer(spk_audio_prompt='examples/voice_01.wav', text=text,
          output_path="gen.wav", verbose=True)

# IndexTTS-2.5（多语言，需指定 lang）
tts.infer(spk_audio_prompt='examples/voice_01.wav', text=text, lang="EN",
          output_path="gen.wav", verbose=True)

2. 独立情绪参考音频控制情绪

text = "酒楼丧尽天良，开始借机竞拍房间，哎，一群蠢货。"

# IndexTTS-2
tts.infer(spk_audio_prompt='examples/voice_07.wav', text=text,
          output_path="gen.wav", emo_audio_prompt="examples/emo_sad.wav", verbose=True)

# IndexTTS-2.5
tts.infer(spk_audio_prompt='examples/voice_07.wav', text=text, lang="ZH",
          output_path="gen.wav", emo_audio_prompt="examples/emo_sad.wav", verbose=True)

3. 情绪强度 emo_alpha

指定情绪参考音频时，emo_alpha 调节其对输出的影响程度，范围 0.0–1.0，默认 1.0：

# IndexTTS-2.5
tts.infer(spk_audio_prompt='examples/voice_07.wav', text=text, lang="ZH",
          output_path="gen.wav", emo_audio_prompt="examples/emo_sad.wav",
          emo_alpha=0.9, verbose=True)

4. 情绪向量（8 维）

不传情绪音频，直接传入情绪强度列表，顺序为 [happy, angry, sad, afraid, disgusted, melancholic, surprised, calm]；use_random 引入随机性，默认 False，开启会降低克隆保真度：

text = "对不起嘛！我的记性真的不太好，但是和你在一起的事情，我都会努力记住的~"

# IndexTTS-2.5
tts.infer(spk_audio_prompt='examples/voice_09.wav', text=text, lang="ZH",
          output_path="gen.wav", emo_vector=[0, 0, 0.8, 0, 0, 0, 0, 0],
          use_random=False, verbose=True)

5. 由台词文本自动生成情绪 use_emo_text

开启 use_emo_text 后把脚本文本转为情绪向量；官方建议 emo_alpha 取 0.6 或更低以获得自然语音。IndexTTS-2.5 使用该模式时，构造模型必须带 use_qwen_emo=True，否则会抛出 RuntimeError（IndexTTS-2 不需要该开关）：

# IndexTTS-2.5：构造时开启 use_qwen_emo
tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints",
                use_bf16=True, use_qwen_emo=True)

text = "快躲起来！是他要来了！他要来抓我们了！"
tts.infer(spk_audio_prompt='examples/voice_12.wav', text=text, lang="ZH",
          output_path="gen.wav", emo_alpha=0.6, use_emo_text=True,
          use_random=False, verbose=True)

6. 显式情绪描述 emo_text

台词脚本与情绪描述分开控制，情绪描述由 emo_text 传入并转换为情绪向量：

text = "快躲起来！是他要来了！"
emo_text = "你吓死我了！你是鬼吗？"

tts.infer(spk_audio_prompt='examples/voice_12.wav', text=text, lang="ZH",
          output_path="gen.wav", emo_alpha=0.6, use_emo_text=True,
          emo_text=emo_text, use_random=False, verbose=True)

7. 语速控制 duration_factor

大于 1.0 放慢，小于 1.0 加快，范围 0.5–2.0，默认 1.0：

# 放慢（1.2 倍时长）
tts.infer(spk_audio_prompt='examples/voice_01.wav', text="大家好，欢迎来到IndexTTS的语速控制演示。",
          lang="ZH", output_path="gen_slow.wav", duration_factor=1.2, verbose=True)

# 加快（0.8 倍时长）
tts.infer(spk_audio_prompt='examples/voice_01.wav', text="大家好，欢迎来到IndexTTS的语速控制演示。",
          lang="ZH", output_path="gen_fast.wav", duration_factor=0.8, verbose=True)

8. 发音控制标注示例（2.5）

他在银<行|XING2>里<行|HANG2>走了半天，发现这笔业务办不<行|HANG2>。

He had a <minute|M IH1 . N AH0 T> to examine the <minute|M AY0 . N UW1 T> details of the contract.

彼は料理が<上手|じょうず>だが、囲碁では<上手|うわて>に負けた。

9. 旧版 IndexTTS-1.5（Legacy）

from indextts.infer import IndexTTS
tts = IndexTTS(model_dir="checkpoints", cfg_path="checkpoints/config.yaml")
voice = "examples/voice_07.wav"
text = "在这里替换为你的旧版模型合成文本。"
tts.infer(voice, text, 'gen.wav')

更多旧版细节见 archive/README_INDEXTTS_1_5.md 与 index-tts:v1.5.0 分支。

8 配置项说明

8.1 WebUI 命令行参数（webui.py）

8.2 模型目录与必需文件

配置文件 config.yaml 由 ensure_config_available 在缺失时自动补全。模型仓库映射：2 → IndexTeam/IndexTTS-2，2.5 → IndexTeam/IndexTTS-2.5。

8.3 Python API 构造参数（2.5）

2.0 构造参数：cfg_path、model_dir、use_fp16、use_cuda_kernel、use_deepspeed。

8.4 infer() 推理参数

8.5 环境变量与镜像

9 常用运维命令

# 查看 WebUI 全部参数
uv run webui.py -h

# 检测 GPU 与环境
uv run tools/gpu_check.py

# 重新同步依赖（更新代码或 lockfile 后）
uv sync --all-extras

# 单独安装示例音频（未启动 WebUI 时）
uv run python -c "from indextts.utils.examples_downloader import ensure_examples_available; ensure_examples_available()"

# 启动 2.5 WebUI（指定端口与地址）
uv run webui.py --host 0.0.0.0 --port 7860

# 启动 2.0 WebUI
uv run webui.py --version 2 --model_dir ./checkpoints_2

# 前台停止 WebUI：Ctrl+C；重启重复执行启动命令

更新代码与模型：

git pull
uv sync --all-extras
# 模型目录按需重新执行 hf download / modelscope download

备份与数据：

• 备份 checkpoints/、checkpoints_2/ 模型目录与 config.yaml，避免重复下载；
• 备份 examples/ 参考音频与自己保存的音色 / 情绪预设；
• 合成产物按业务需要单独归档；仓库内运行时音频与预设不要提交到公开仓库。

vLLM 生产环境的启停、日志、扩缩容与健康检查命令，以官方 Recipe 页面给出的服务定义为准（第 6.1 节）。

10 常见故障排查

10.1 安装阶段 CUDA 报错

现象：uv sync 过程中 PyTorch / DeepSpeed / flash-attn 编译或导入报 CUDA 相关错误。

处理：按官方提示确认 Linux / Windows 已安装 NVIDIA CUDA Toolkit 12.8 或更新版本，驱动与 PyTorch cu128 索引匹配；先执行 uv run tools/gpu_check.py 确认驱动可被识别。DeepSpeed 在 Windows 安装困难时，去掉 --all-extras 改为 --extra webui 等最小集合。

10.2 模型或示例音频下载失败 / 超时

现象：启动 WebUI 时卡在下载权重，或报连接 HuggingFace 超时。

处理：

1. 先导出镜像环境变量再启动：

export HF_ENDPOINT="https://hf-mirror.com"

2. 或改用 ModelScope 渠道下载到对应目录（7.3 节方式 B）；
3. 确认 checkpoints / checkpoints_2 目录必需文件齐全后再启动 WebUI；
4. 网络恢复后删除不完整的缓存目录重新下载，避免校验失败。

10.3 低显存下情绪文本控制不可用

现象：界面提示"该预设使用了情绪描述文本控制，当前显存不足未加载该模型"，或 use_emo_text 报错。

原因：显存低于 10.0 GB 阈值时，webui.py 默认跳过 QwenEmotion 加载。

处理：低显存机器改用情绪参考音频或情绪向量方式；如确需文本情绪控制，显式追加 --qwen_emo 强制加载（2.5 Python API 构造时传 use_qwen_emo=True），并关注显存占用。

10.4 use_emo_text 抛出 RuntimeError（2.5）

现象：2.5 推理时开启 use_emo_text 报缺少情绪模型的运行时错误。

处理：初始化模型时必须带上 use_qwen_emo=True（见 7.6 节第 5 步）；IndexTTS-2 不需要该开关。

10.5 依赖冲突 / 环境串台

现象：uv 命令报版本冲突，或导入到其他已激活虚拟环境的 Python 里。

处理：官方明确要求不要手动激活虚拟环境，直接用 uv run <命令> 执行；退出当前 shell 后重新进入仓库目录再执行 uv sync --all-extras；不要把系统 Python 的 site-packages 混入项目 .venv。

10.6 可选加速模块导入失败

现象：加 --accel 报 flash_attn 导入失败；加 --torch_compile 报 triton 缺失；加 --deepspeed 报 DeepSpeed 未安装。

处理：按提示安装对应 extra：uv sync --extra accel、uv sync --extra torch_compile、uv sync --extra deepspeed；安装失败时先去掉对应开关以最小可用环境跑通基础合成，再单独排查加速依赖。

10.7 端口 7860 被占用

现象：WebUI 启动报端口已被占用。

处理：改用其他端口：

uv run webui.py --port 7861

10.8 发音标注不生效

现象：拼音 / 音素 / 假名标注未被按预期读出。

排查：

• 中文拼音确认处于 checkpoints/pinyin.vocab 支持的合法组合内；
• 英语音素使用 CMU 词典有效条目；
• 日语假名标注格式为 <词|假名>；
• 标注括号与分隔符保持官方示例格式，不要替换为其他符号。

10.9 合成音色与参考音频偏差较大

排查：确认参考音频干净、无人声重叠与强背景噪声；避免开启 use_random=True；情绪参考音频与说话人参考音频分别来自授权对象；长文本按 --gui_seg_tokens 分段处理，必要时缩短单段文本重试。

11 风险与合规说明

11.1 许可证范围（bilibili Model Use License Agreement）

• 本项目模型权重与代码按 LICENSE 授予有限、非独占、不可转让、免许可费的使用许可，输出结果与衍生作品同样受协议约束。
• 大规模使用门槛：若使用方或其关联方产品 / 服务上月月活超过 1 亿，或上一年度年营收超过 人民币 10 亿元，必须事先向权利方单独申请许可，未取得书面授权前不得行使协议权利。
• 模型训练限制：除 bilibili indextts2 本身、其衍生作品与非商业 AI 模型外，不得使用本模型或衍生作品去改进其他 AI 模型。
• 高风险场景禁用：协议明确禁止直接或间接部署于医疗诊断、自动驾驶、军事应用、关键基础设施控制、大规模生物特征监控、自动化决策（如信用 / 雇佣评估）等高风险场景；坚持部署需自行完成全部合规义务，权利方不承担相应后果。
• 下游传递义务：分发衍生作品时须保留原始版权声明与协议副本，并向接收方施加同等合同条款；衍生作品的修改需在分发页注明"原权利方不背书、不保证、不承担责任"。
• 法律适用：协议受中华人民共和国法律管辖；争议优先友好协商，协商不成提交上海仲裁委员会仲裁；中英文版本冲突时以中文版本为准。
• 商业使用与合作请联系官方邮箱 indexspeech@bilibili.com，取得书面授权后再用于收费产品、SaaS 或商业配音。

11.2 声音与肖像授权（DISCLAIMER 口径）

DISCLAIMER 明确规定，使用者不得：

• 合成政治人物、公众人物或任何未经授权个人的声音；
• 创建诋毁、侮辱、歧视或损害他人名誉与权益的内容；
• 进行欺诈、身份盗用或任何形式违法活动；
• 传播虚假信息或制造社会恐慌；
• 侵犯他人知识产权、肖像权或隐私权；
• 未经授权将合成声音用于商业目的；
• 违反金融、医疗等特定行业法规；
• 创建或使用涉及未成年人的不当声音内容；
• 制作威胁国家安全的内容；
• 违反所在地区关于深度伪造技术的法律法规。

11.3 使用建议

• 只克隆本人拥有、或已取得书面授权的参考音频；参考音频中的说话人需清晰、权属明确。
• 对外发布 AI 合成语音时，按当地法规标注"内容由 AI 合成"，不得冒充真人进行身份欺骗、电信营销或金融话术。
• 使用第三方数据集、第三方参考音频或第三方权重时，自行取得必要授权并承担合规责任。
• 合成文本内容由使用者自负其责；开发者不对用户使用本项目产生的直接或间接后果承担责任（协议第 3 章风险分配）。

11.4 免责声明

本指南依据官方公开文档整理，命令、参数、端口与许可条款均来自仓库 README、docs/README_zh.md、LICENSE、DISCLAIMER、webui.py 与 pyproject.toml；官方后续版本可能调整模型渠道、依赖版本与界面参数，部署时以仓库最新说明为准。作者与本文不对因使用、修改或运行本项目产生的直接或间接损失承担责任，法律不得排除或限制的责任除外。