Traduzione automatica · Originale inglese

F5-TTS

Questa pagina Soniqo di prima parte documenta l'implementazione F5-TTS della speech-swift locale / speech-core. I bundle Hugging Face sono collegati sotto dopo le note di integrazione.

Pagina iniziale

Le carte di atterraggio e i menu Docs ora puntano qui prima; il modello di sorgente e i link di fascio rimangono disponibili da questa pagina.

In un solco

Modello	F5-TTS
Role	clonazione vocale zero-shot da un breve riferimento più trascrizione
Indietro	MLX fp16
Produzione	24 kHz monoforma d'onda
Lingue	Inglese e Mandarino, supportato da EN/ZH misto
Licenza	CC-BY-NC-4.0 pesi; fascio non commerciale
Stato	Pronta per discorso, si parla --engine f5 e F5TTS Swift
Fonte	SWivid F5-TTS
Prodotto Swift	`F5TTS`
CLI / runtime	`speech speak --engine f5`

Uso

Lo snippet seguente rispecchia l'attuale speech-swift API o comando esposto dal 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

Link di modello

Note di attuazione

16 i passi di flusso sono i valori predefiniti (RTF 0.57 su un M5 Pro, più basso è più veloce); --f5-steps 32 per la massima fedeltà, 12 corre a RTF 0.43 — ASR le esecuzioni sono parole-identiche in tutti e tre.
--f5-reference-text è richiesto: condizioni di clonazione sulla trascrizione di riferimento e tracce di qualità come la clip di riferimento termina in modo pulito su un limite di frase.
Il mandarino passa attraverso un lexicon pinyin in bundle con il tono sandhi cotto in tempo di esportazione (99,2% token-exact contro il rjieba a monte/pypinyin frontend), quindi Swift non ha bisogno di tokenizer esterno.
Determinazione per --f5-seed; --f5-speed scale pavimentazione, CFG resistenza e campionamento sway sono esposti come bandiere; circa 0.8 GB picco RSS rende il più piccolo motore di clonazione nel pacchetto.