F5-TTS
이 Soniqo 페이지는 로컬 speech-swift / speech-core 구현의 F5-TTS을 설명합니다. Hugging Face 번들 링크는 통합 메모 뒤에 있습니다.
내부 페이지 우선
랜딩 카드와 문서 메뉴는 먼저 이 페이지로 이동하고, 원본 모델과 번들 링크는 이 페이지 안에 둡니다.
개요
| 모델 | F5-TTS |
|---|---|
| 역할 | Zero-shot voice cloning from a short reference plus transcript |
| 백엔드 | MLX fp16 |
| 출력 | 24 kHz mono waveform |
| 언어 | English and Mandarin, mixed EN/ZH supported |
| 라이선스 | CC-BY-NC-4.0 weights; non-commercial bundle |
| 상태 | Ready through speech speak --engine f5 and the F5TTS Swift product |
| 소스 | SWivid F5-TTS |
| Swift 제품 | F5TTS |
| CLI / 런타임 | speech speak --engine f5 |
사용
아래 스니펫은 현재 speech-swift 저장소의 API 또는 명령과 일치합니다.
# 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.wav모델 링크
구현 메모
- 16 flow steps are the default (RTF 0.57 on an M5 Pro, lower is faster); --f5-steps 32 for maximum fidelity, 12 runs at RTF 0.43 — ASR roundtrips are word-identical across all three.
- --f5-reference-text is required: cloning conditions on the reference transcript, and quality tracks how cleanly the reference clip ends on a sentence boundary.
- Mandarin runs through a bundled pinyin lexicon with tone sandhi baked in at export time (99.2% token-exact against the upstream rjieba/pypinyin frontend), so Swift needs no external tokenizer.
- Deterministic per --f5-seed; --f5-speed scales pacing, CFG strength and sway sampling are exposed as flags; about 0.8 GB peak RSS makes it the smallest cloning engine in the package.