diff --git a/doc/README_zh.md b/doc/README_zh.md
new file mode 100644
index 0000000..01941c8
--- /dev/null
+++ b/doc/README_zh.md
@@ -0,0 +1,349 @@
+
+
+
+
IndexTTS2：情感表达与时长可控的自回归零样本语音合成突破
+
+[](../assets/IndexTTS2_banner.png)
+
+
+
+### 摘要
+
+现有自回归大规模文本转语音（TTS）模型在语音自然度方面具有优势，但其逐token生成机制难以精确控制合成语音的时长。这在需要严格视音频同步的应用（如视频配音）中成为显著限制。
+
+本文提出了IndexTTS2，创新性地提出了一种通用且适用于自回归模型的语音时长控制方法。
+
+该方法支持两种生成模式：一种可显式指定生成token数量以精确控制语音时长；另一种则自由自回归生成语音，同时忠实还原输入提示的韵律特征。
+
+此外，IndexTTS2实现了情感表达与说话人身份的解耦，可独立控制音色和情感。在零样本设置下，模型能准确复刻目标音色（来自音色提示），同时完美还原指定的情感语调（来自风格提示）。
+
+为提升高情感表达下的语音清晰度，我们引入GPT潜在表示，并设计了三阶段训练范式，提升生成语音的稳定性。为降低情感控制门槛，我们基于文本描述微调Qwen3，设计了软指令机制，有效引导语音生成所需情感。
+
+多数据集实验结果表明，IndexTTS2在词错误率、说话人相似度和情感保真度方面均超越现有零样本TTS模型。音频样例见：IndexTTS2演示页面。
+
+**Tips:** 如需更多信息请联系作者。商业合作请联系
indexspeech@bilibili.com。
+
+### IndexTTS2体验
+
+
+
+**IndexTTS2：语音未来，现已生成**
+
+[](https://www.bilibili.com/video/BV136a9zqEk5)
+
+*点击图片观看IndexTTS2介绍视频*
+
+
+
+### 联系方式
+
+QQ群：553460296(1群) 663272642(4群) \
+Discord：https://discord.gg/uT32E7KDmy \
+邮箱：indexspeech@bilibili.com \
+欢迎加入我们的社区！🌏 \
+欢迎大家交流讨论！
+
+## 📣 更新日志
+
+- `2025/09/08` 🔥🔥🔥 IndexTTS-2全球发布！
+ - 首个支持精确合成时长控制的自回归TTS模型，支持可控与非可控模式。
本版本暂未开放该功能。
+ - 模型实现高度情感表达的语音合成，支持多模态情感控制。
+- `2025/05/14` 🔥🔥 IndexTTS-1.5发布，显著提升模型稳定性及英文表现。
+- `2025/03/25` 🔥 IndexTTS-1.0发布，开放模型权重与推理代码。
+- `2025/02/12` 🔥 论文提交arXiv，发布演示与测试集。
+
+## 🖥️ 神经网络架构
+
+IndexTTS2架构总览：
+
+
+ 
+
+
+主要创新点：
+
+ - 提出自回归TTS模型的时长自适应方案。IndexTTS2是首个将精确时长控制与自然时长生成结合的自回归零样本TTS模型，方法可扩展至任意自回归大模型。
+ - 情感与说话人特征从提示中解耦，设计特征融合策略，在高情感表达下保持语义流畅与发音清晰，并开发了基于自然语言描述的情感控制工具。
+ - 针对高表达性语音数据缺乏，提出高效训练策略，显著提升零样本TTS情感表达至SOTA水平。
+ - 代码与预训练权重将公开，促进后续研究与应用。
+
+## 模型下载
+
+| **HuggingFace** | **ModelScope** |
+|----------------------------------------------------------|----------------------------------------------------------|
+| [😁 IndexTTS-2](https://huggingface.co/IndexTeam/IndexTTS-2) | [IndexTTS-2](https://modelscope.cn/models/IndexTeam/IndexTTS-2) |
+| [IndexTTS-1.5](https://huggingface.co/IndexTeam/IndexTTS-1.5) | [IndexTTS-1.5](https://modelscope.cn/models/IndexTeam/IndexTTS-1.5) |
+| [IndexTTS](https://huggingface.co/IndexTeam/Index-TTS) | [IndexTTS](https://modelscope.cn/models/IndexTeam/Index-TTS) |
+
+## 使用说明
+
+### ⚙️ 环境配置
+
+1. 请确保已安装 [git](https://git-scm.com/downloads) 和 [git-lfs](https://git-lfs.com/)。
+
+在仓库中启用Git-LFS：
+
+```bash
+git lfs install
+```
+
+2. 下载代码：
+
+```bash
+git clone https://github.com/index-tts/index-tts.git && cd index-tts
+git lfs pull # 下载大文件
+```
+
+3. 安装 [uv 包管理器](https://docs.astral.sh/uv/getting-started/installation/)。
+ *必须*使用uv保证依赖环境可靠。
+
+> [!TIP]
+> **快速安装方法：**
+>
+> uv安装方式多样，详见官网。也可快速安装：
+>
+> ```bash
+> pip install -U uv
+> ```
+
+> [!WARNING]
+> 本文档仅支持uv安装。其他工具如conda/pip无法保证依赖正确，可能导致*偶发bug、报错、GPU加速失效*等问题。
+>
+> uv比pip快[115倍](https://github.com/astral-sh/uv/blob/main/BENCHMARKS.md)，强烈推荐。
+
+4. 安装依赖：
+
+使用uv安装依赖时，会创建虚拟环境，将所有依赖安装到`.venv`目录：
+
+```bash
+uv sync --all-extras
+```
+
+如中国大陆地区用户下载缓慢，可选用国内镜像：
+
+```bash
+uv sync --all-extras --default-index "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple"
+```
+
+> [!TIP]
+> **可选功能：**
+>
+> - `--all-extras`：安装全部可选功能。可去除自定义。
+> - `--extra webui`：安装WebUI支持（推荐）。
+> - `--extra deepspeed`：安装DeepSpeed加速。
+
+> [!IMPORTANT]
+> **Windows注意：** DeepSpeed在部分Windows环境较难安装，可去除`--all-extras`。
+>
+> **Linux/Windows注意：** 如遇CUDA相关报错，请确保已安装NVIDIA [CUDA Toolkit](https://developer.nvidia.com/cuda-toolkit) 12.8及以上。
+
+5. 下载模型：
+
+HuggingFace下载：
+
+```bash
+uv tool install "huggingface_hub[cli]"
+
+hf download IndexTeam/IndexTTS-2 --local-dir=checkpoints
+```
+
+ModelScope下载：
+
+```bash
+uv tool install "modelscope"
+
+modelscope download --model IndexTeam/IndexTTS-2 --local_dir checkpoints
+```
+
+> [!NOTE]
+> 项目首次运行还会自动下载部分小模型。如网络访问HuggingFace较慢，建议提前设置：
+>
+> ```bash
+> export HF_ENDPOINT="https://hf-mirror.com"
+> ```
+
+#### 🖥️ PyTorch GPU 加速检测
+
+可运行脚本检测机器是否有GPU，以及是否安装了GPU版本的PyTorch。（如PyTorch版本不对，可能使用CPU启动，推理会非常慢）
+
+```bash
+uv run tools/gpu_check.py
+```
+
+### 🔥 IndexTTS2快速体验
+
+#### 🌐 Web演示
+
+```bash
+uv run webui.py
+```
+
+浏览器访问 `http://127.0.0.1:7860` 查看演示。
+
+可通过命令行参数开启FP16推理（降低显存占用）、DeepSpeed加速、CUDA内核编译加速等。可运行以下命令查看所有选项：
+
+```bash
+uv run webui.py -h
+```
+
+祝使用愉快！
+
+#### 📝 Python脚本调用
+
+用`uv run
`保证程序在uv创建的虚拟环境下运行。部分情况需要指定`PYTHONPATH`。
+
+示例：
+
+```bash
+PYTHONPATH="$PYTHONPATH:." uv run indextts/infer_v2.py
+```
+
+以下为IndexTTS2脚本调用示例：
+
+1. 单一参考音频（音色克隆）：
+
+```python
+from indextts.infer_v2 import IndexTTS2
+tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints", use_fp16=False, use_cuda_kernel=False, use_deepspeed=False)
+text = "Translate for me, what is a surprise!"
+tts.infer(spk_audio_prompt='examples/voice_01.wav', text=text, output_path="gen.wav", verbose=True)
+```
+
+2. 指定情感参考音频：
+
+```python
+from indextts.infer_v2 import IndexTTS2
+tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints", use_fp16=False, use_cuda_kernel=False, use_deepspeed=False)
+text = "酒楼丧尽天良，开始借机竞拍房间，哎，一群蠢货。"
+tts.infer(spk_audio_prompt='examples/voice_07.wav', text=text, output_path="gen.wav", emo_audio_prompt="examples/emo_sad.wav", verbose=True)
+```
+
+3. 可调节情感参考音频的权重（`emo_alpha`，范围0.0-1.0，默认1.0）：
+
+```python
+from indextts.infer_v2 import IndexTTS2
+tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints", use_fp16=False, use_cuda_kernel=False, use_deepspeed=False)
+text = "酒楼丧尽天良，开始借机竞拍房间，哎，一群蠢货。"
+tts.infer(spk_audio_prompt='examples/voice_07.wav', text=text, output_path="gen.wav", emo_audio_prompt="examples/emo_sad.wav", emo_alpha=0.9, verbose=True)
+```
+
+4. 可直接指定8维情感向量 `[高兴, 愤怒, 悲伤, 害怕, 厌恶, 忧郁, 惊讶, 平静]`，可用`use_random`开启随机情感采样（默认False）：
+> [!NOTE]
+> 开启随机采样会降低音色的还原度。
+>
+
+```python
+from indextts.infer_v2 import IndexTTS2
+tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints", use_fp16=False, use_cuda_kernel=False, use_deepspeed=False)
+text = "哇塞！这个爆率也太高了！欧皇附体了！"
+tts.infer(spk_audio_prompt='examples/voice_10.wav', text=text, output_path="gen.wav", emo_vector=[0, 0, 0, 0, 0, 0, 0.45, 0], use_random=False, verbose=True)
+```
+
+5. 可用`use_emo_text`根据文本自动生成情感向量，可用`use_random`开启随机情感采样：
+
+```python
+from indextts.infer_v2 import IndexTTS2
+tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints", use_fp16=False, use_cuda_kernel=False, use_deepspeed=False)
+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, output_path="gen.wav", use_emo_text=True, use_random=False, verbose=True)
+```
+
+6. 可直接指定情感文本描述（`emo_text`），实现文本与情感分离控制：
+
+```python
+from indextts.infer_v2 import IndexTTS2
+tts = IndexTTS2(cfg_path="checkpoints/config.yaml", model_dir="checkpoints", use_fp16=False, use_cuda_kernel=False, use_deepspeed=False)
+text = "快躲起来！是他要来了！他要来抓我们了！"
+emo_text = "你吓死我了！你是鬼吗？"
+tts.infer(spk_audio_prompt='examples/voice_12.wav', text=text, output_path="gen.wav", use_emo_text=True, emo_text=emo_text, use_random=False, verbose=True)
+```
+
+### 旧版IndexTTS1使用指南
+
+如果需要使用旧的IndexTTS1.5模型，可以import旧模块：
+
+```python
+from indextts.infer import IndexTTS
+tts = IndexTTS(model_dir="checkpoints",cfg_path="checkpoints/config.yaml")
+voice = "examples/voice_07.wav"
+text = "大家好，我现在正在bilibili 体验 ai 科技，说实话，来之前我绝对想不到！AI技术已经发展到这样匪夷所思的地步了！比如说，现在正在说话的其实是B站为我现场复刻的数字分身，简直就是平行宇宙的另一个我了。如果大家也想体验更多深入的AIGC功能，可以访问 bilibili studio，相信我，你们也会吃惊的。"
+tts.infer(voice, text, 'gen.wav')
+```
+
+详细信息见 [README_INDEXTTS_1_5](archive/README_INDEXTTS_1_5.md)，或访问 index-tts:v1.5.0。
+
+## 演示
+
+### IndexTTS2: [[论文]](https://arxiv.org/abs/2506.21619); [[演示]](https://index-tts.github.io/index-tts2.github.io/); [[HuggingFace]](https://huggingface.co/spaces/IndexTeam/IndexTTS-2-Demo)
+
+### IndexTTS1: [[论文]](https://arxiv.org/abs/2502.05512); [[演示]](https://index-tts.github.io/); [[ModelScope]](https://modelscope.cn/studios/IndexTeam/IndexTTS-Demo); [[HuggingFace]](https://huggingface.co/spaces/IndexTeam/IndexTTS)
+
+## 致谢
+
+1. [tortoise-tts](https://github.com/neonbjb/tortoise-tts)
+2. [XTTSv2](https://github.com/coqui-ai/TTS)
+3. [BigVGAN](https://github.com/NVIDIA/BigVGAN)
+4. [wenet](https://github.com/wenet-e2e/wenet/tree/main)
+5. [icefall](https://github.com/k2-fsa/icefall)
+6. [maskgct](https://github.com/open-mmlab/Amphion/tree/main/models/tts/maskgct)
+7. [seed-vc](https://github.com/Plachtaa/seed-vc)
+
+## 📚 论文引用
+
+🌟 如果本项目对您有帮助，请为我们点star并引用论文。
+
+IndexTTS2:
+
+```
+@article{zhou2025indextts2,
+ title={IndexTTS2: A Breakthrough in Emotionally Expressive and Duration-Controlled Auto-Regressive Zero-Shot Text-to-Speech},
+ author={Siyi Zhou, Yiquan Zhou, Yi He, Xun Zhou, Jinchao Wang, Wei Deng, Jingchen Shu},
+ journal={arXiv preprint arXiv:2506.21619},
+ year={2025}
+}
+```
+
+IndexTTS:
+
+```
+@article{deng2025indextts,
+ title={IndexTTS: An Industrial-Level Controllable and Efficient Zero-Shot Text-To-Speech System},
+ author={Wei Deng, Siyi Zhou, Jingchen Shu, Jinchao Wang, Lu Wang},
+ journal={arXiv preprint arXiv:2502.05512},
+ year={2025},
+ doi={10.48550/arXiv.2502.05512},
+ url={https://arxiv.org/abs/2502.05512}
+}
+```
+
+ 
+ 
+ 
+ 
+