Strojový překlad · Anglický originál

F5-TTS

Tato první strana Soniqo stránka dokumenty F5-TTS z místní speech-swift / speech-core implementace. Hugging Face balíčky jsou spojeny níže po integračních poznámkách.

Interní stránka

Přistávací karty a docs menu nyní ukázat zde první; zdrojový model a svazky odkazy zůstávají k dispozici z této stránky.

V Glance

Vzor	F5-TTS
Úloha	Zeroshot hlas klonování z krátké reference plus přepis
Backend	MLX fp16
Výstup	24 kHz mono waveform
Jazyky	Angličtina a mandarínština, smíšené EN / ZH podporované
Licence	CC-BY-NC-4.0 závaží; nekomerční svazek
Stav	Připravena prostřednictvím řeči --engine f5 a F5TTS produktu Swift
Zdroj	SWivid F5-TTS
Swift produkt	`F5TTS`
CLI / runtime	`speech speak --engine f5`

Použití

Snippet níže odráží aktuální speech-swift API nebo příkaz vystavený repo.

# Clone a voice from a ~10 s reference clip plus its transcript.
.build/release/speech speak "Hello from my cloned voice." \
  --engine f5 \
  --voice-sample reference.wav \
  --f5-reference-text "Text spoken in the reference clip." \
  -o cloned.wav

Modelové odkazy

Poznámky k provádění

16 Prostupy jsou výchozí (RTF 0.57 na M5 Pro, nižší je rychlejší); --f5-steps 32 pro maximální věrnost, 12 běží na RTF 0.43 — ASR Kolo-výlety jsou identické ve všech třech.
--f5-reference-text je vyžadován: klonování podmínek na referenčním přepisu a kvalitní stopy, jak čistě referenční klip končí na hranici věty.
Mandarín běží přes svázaný pinyin lexikon s tónem sandhi zapečené v době vývozu (99.2% token- přesně proti proudu rjieba / pypinyin frontend), takže Swift nepotřebuje externí tokenizer.
Deterministické na --f5-seed; --f5-speed škály pacing, CFG pevnost a swing vzorkování jsou vystaveny jako vlajky; o 0.8 GB špičkový RSS je nejmenší klonovací motor v balení.