本站自测数据，机器指标不等于人耳评分
IndexTTS2音色相似度0.9827对0.9676，长文本无5秒以上异常停顿。
日语声纹近似持平、IndexTTS2.5基频更贴原声；西班牙语OmniVoice领先。
同文本、同参考音频，三个开源模型的中文对比。
