Konekäännös · Englanninkielinen alkuperäinen

F5-TTS

Tämä ensimmäinen osapuoli Soniqo sivuasiakirjat F5-TTS paikalliselta speech-swift / speech-core täytäntöönpano. Hugging Face -paketit ovat yhteydessä alla integraatiohuomautusten jälkeen.

Sisäinen sivu ensin

Laskeutumiskortit ja dokumentit ovat nyt tässä ensin; lähdemalli ja nippulinkit ovat saatavilla tältä sivulta.

Katselu

Malli	F5-TTS
Rooli	Äänen nolla-ampuva kloonaus lyhyen viite plus transkriptio
Taustaosa	MLX fp16
Tuotos	24 kHz mono-aaltomuoto
Kieli	Englanti ja mandariinikiina, sekoitettu EN/ZH
Lisenssi	CC-BY-NC-4.0 painot; ei-kaupallinen nippu
Tila	Valmiina puheen avulla --engine f5 ja F5TTS Swift tuote
Lähde	SWivid F5-TTS
Swift -tuote	`F5TTS`
CLI / ajoaika	`speech speak --engine f5`

Käyttö

Alla oleva nappula peilaa virta speech-swift API tai repon paljastamaa komentoa.

# 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

Malli Linkit

Täytäntöönpano Huomioita

16 virtausvaihetta ovat oletusarvot (RTF 0,57 M5 Pro, alempi on nopeampi; --f5-steps 32 maksimi uskollisuuden osalta, 12 ajoa RTF 0,43 ... ASR kierrokset ovat sanasalaisia kaikissa kolmessa.
--f5-reference-text vaaditaan: vertailutekstissä on oltava kloonausolosuhteet ja laaturaidat siitä, miten puhdas vertailuvipu päättyy lauseen rajaan.
Mandariini kulkee pinyiini-pinoni-leksikon läpi, jossa on vientihetkellä paistettu sävyhiekkaa (99,2%:n token-ekstattu ylävirtaan ripsiba/pypinyiini-rintamaa vasten), joten Swift ei tarvitse ulkoista formeizeria.
Deterministic per --f5-seed; --f5-speed asteikot tahdissa, CFG-lujuus ja heilurinäytteenotto ovat lippuja; noin 0,8 GB RSS-huippu tekee siitä pienimmän kloonausmoottorin pakkauksessa.