Terjemahan mesin · Versi asli bahasa Inggris

F5-TTS

Pesta pertama ini. Soniqo dokumen halaman F5-TTS dari lokal speech-swift / speech-core implementasi. Hugging Face bundel dihubungkan di bawah ini setelah catatan integrasi.

Halaman Internal Pertama

Mendarat kartu dan menu dokumen sekarang menunjuk di sini pertama; model sumber dan bundel link tetap tersedia dari halaman ini.

Pada sebuah Glance

Model	F5-TTS
Peran	Zero- tembakan suara kloning dari referensi pendek plus transkrip
Backend	MLX fp16
Keluaran	24 kHz mono waveform
Bahasa	Inggris dan Mandarin, campuran EN / ZH didukung
Lisensi	Bobot CC-BY-NC-4.0; bukan bundel komersial
Status	Siap melalui pidato berbicara --engine f5 dan F5TTS Swift produk
Sumber	SWivid F5-TTS
Produk Swift	`F5TTS`
CLI / waktu jalan	`speech speak --engine f5`

Gunakan

snippet di bawah cermin yang sekarang speech-swift API atau perintah yang terkena repo tersebut.

# 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

Taut Model

Catatan Implementasi

16 langkah aliran adalah baku (RTF 0.57 pada M5 Pro, lebih rendah lebih cepat); --f5-steps 32 untuk kesetiaan maksimum, 12 berjalan di RTF 0.43 — ASR Perjalanan yang kata-identik di semua tiga.
--f5-reference-text diperlukan: kondisi kloning pada transkrip referensi, dan trek kualitas bagaimana bersih klip referensi berakhir pada batas kalimat.
Mandarin berjalan melalui sebuah pinyin lexicon bundled dengan nada sandi dipanggang di waktu ekspor (99.2% token- tepat terhadap rieba upstream / pypinyin antarmuka), jadi Swift tidak membutuhkan eksternal tokenizer.
Deterministik per --f5-seed; --f5-speed pacing sisik, kekuatan CFG dan sway sampling yang terkena sebagai flag; tentang 0.8 Puncak GB RSS membuatnya menjadi mesin kloning terkecil dalam paket.