Maskinoversættelse · Engelsk original

F5-TTS

Denne første part Soniqo side dokumenter F5-TTS fra den lokale speech-swift / speech-core implementering. Hugging Face bundter er knyttet nedenfor efter integration noter.

Intern side først

Landingskort og docs menuer peger nu her først; kildemodel og bundlink er stadig tilgængelige fra denne side.

På en Glance

Model	F5-TTS
Rolle	Zeroshot voice kloning fra en kort reference plus udskrift
Backend	MLX fp16
Output	24 kHz mono waveform
Sprog	Engelsk og Mandarin, blandet EN / ZH understøttet
Licens	CC-BY-NC-4.0 vægte; ikke-kommercielle bundter
Status	Klar gennem tale tale --engine f5 og F5TTS Swift Produkt
Kilde	SWivid F5-TTS
Swift produkt	`F5TTS`
CLI / runtime	`speech speak --engine f5`

Anvendelse

Snuppet nedenfor afspejler den aktuelle speech-swift API eller kommando udsat af 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

Model Links

Gennemførelsesnoter

16 flow trin er standard (RTF 0.57 på en M5 Pro, lavere er hurtigere); --f5-steps 32 for så vidt angår den størst mulige trofasthed 12 kører på RTF 0.43 — ASR rundture er ord- identiske på tværs af alle tre.
--f5-reference-text er påkrævet: kloningsbetingelser på referenceklassifikationen, og kvalitetsspor, hvor rent referenceklipsen ender på en sætning grænse.
Mandarin kører gennem en bundtet pinyin lexicon med tone sandhi bagt i på eksporttidspunktet (99.2% - eksakt mod opstrøms rjieba / pypinyin frontend), så Swift har brug for ingen ekstern conduizer.
Deterministiske per --f5-seed; --f5-speed skalaer pacing, CFG styrke og sway prøvetagning er udsat som flag; omkring 0.8 GB peak RSS gør det den mindste kloning motor i pakken.