Maskinoversettelse · Engelsk original

F5-TTS

Denne førsteparts Soniqo sidedokumenter F5-TTS fra den lokale speech-swift / speech-core implementering. Hugging Face bundter er koblet nedenfor etter integrasjonsnotatene.

Innenrikssiden først

Landingskort og docs-menyer nå peker her først; kildemodell og pakkelenker er tilgjengelige fra denne siden.

På en glanse

Modell	F5-TTS
Rolle	Zero-shot stemmekloning fra en kort referanse pluss transkripsjon
Motor	MLX fp16
Utgang	24 kHz mono bølgeform
Språk	Engelsk og mandarin, blandet EN/ZH støttet
Lisens	CC-BY-NC-4.0 vekter; ikke-kommersiell pakke
Status	Klar gjennom taletalen --engine f5 og F5TTS Swift produktet
Kilde	SWivid F5-TTS
Swift produkt	`F5TTS`
CLI/kjøretid	`speech speak --engine f5`

Bruk

Den snutten nedenfor speiler gjeldende speech-swift API eller kommando som eksponeres av repoen.

# 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

Modelllenker

Implementasjonsnotater

16 strømningstrinn er standard (RTF 0,57 på en M5 Pro, lavere er raskere); --f5-steps 32 for maksimal troskap, 12 kjører på RTF 0,43 — ASR rundstriper er ordidentiske over alle tre.
--f5-reference-text kreves: kloningsforhold på referansetranskripsjonen, og kvalitetsspor hvor rent referanseklippet slutter på en setningsgrense.
Mandarin kjører gjennom en pakket pinyin lexicon med tone sandhi bakt i eksporttid (99,2 % token-eksakt mot oppstrøms rjieba/pypinyin frontend), så Swift trenger ingen ekstern tokenizer.
Deterministisk per --f5-seed; --f5-speed skalerer pacing, CFG-styrke og sway-prøvetaking eksponeres som flagg; ca. 0,8 GB topp RSS gjør det til den minste kloningsmotoren i pakken.