Traducere automată · Originalul în engleză

F5-TTS

Această primă parte Soniqo documente de pagină F5-TTS de la local speech-swift / speech-core implementare. Hugging Face pachete sunt legate mai jos după notele de integrare.

Prima pagină internă

Carduri de aterizare și meniuri docs punct acum aici primul; model sursă și link-uri de pachet rămân disponibile de la această pagină.

La o strălucire

Model	F5-TTS
Rol	Clonarea vocală cu zero focuri de la o scurtă referinţă plus transcriere
Platformă	MLX fp16
Ieșire	Forma de undă mono 24 kHz
Limbi	Engleză și mandarină, suport EN/ZH mixt
Licență	CC-BY-NC-4.0 greutăți; pachet necomercial
Stare	Pregătit prin vorbire --engine f5 și F5TTS Swift produs
Sursă	SWivid F5-TTS
Swift produs	`F5TTS`
CLI / timpul de funcționare	`speech speak --engine f5`

Utilizare

Fragmentul de mai jos reflectă curentul speech-swift API sau comanda expusă de 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

Modele de legături

Note de punere în aplicare

16 Etapele fluxului sunt implicite (RTF 0.57 pe M5 Pro, mai jos este mai rapid); --f5-steps 32 pentru fidelitate maximă; 12 rulează la RTF 0.43 — ASR Excursii rotunde sunt cuvinte-identic peste toate trei.
--f5-reference-text este necesar: condițiile de clonare pe transcrierea de referință și piesele de calitate cât de curat se termină clipul de referință pe o limită de propoziție.
Mandarina trece printr-un lexicon de pininină cu ton sandhi copt la momentul exportului (99,2% token-exact împotriva frontendului rjieba/pypinyin din amonte), deci Swift nu are nevoie de tokenizator extern.
Determinist per --f5-seed; --f5-speed scale pacing, rezistența CFG și prelevarea de probe de influență sunt expuse ca steaguri; aproximativ 0,8 GB vârf RSS face din acesta cel mai mic motor de clonare din ambalaj.