Maskinöversättning · Engelskt original

F5-TTS

Denna förstaparts Soniqo-sida dokumenterar F5-TTS från den lokala speech-swift / speech-core implementering. Hugging Face buntar är länkade nedan efter integrationsnoterna.

Intern sida först

Landningskort och docs-menyer pekar nu här först; källmodell och buntlänkar förblir tillgängliga från denna sida.

På en Glance

Modell	F5-TTS
Rollen	Zero-shot röst kloning från en kort referens plus transkript
Backend	MLX fp16
Output	24 kHz mono vågform
Språk	Engelska och mandarin, blandad EN/ZH stöds
Licens	CC-BY-NC-4.0 vikter; icke-kommersiell bunt
Status	Redo genom tal talar --engine f5 och F5TTS Swift produkt
Källa	SWivid F5-TTS
Swift produkt	`F5TTS`
CLI / runtime	`speech speak --engine f5`

Användning

Nyckeln nedan speglar den nuvarande speech-swift API eller kommandot exponerat av repan.

# 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

Modelllänkar

Implementeringsmeddelanden

16 flödessteg är standarden (RTF 0,57 på en M5 Pro, lägre är snabbare); --f5-steps 32 för maximal trohet, 12 körs vid RTF 0,43 -- ASR rundturer är ordidentiska över alla tre.
--f5-reference-text krävs: kloningsförhållanden på referensavskriften och kvalitetsspår hur rent referensklippet slutar på en meninggräns.
Mandarin går igenom en buntad pinyin lexikon med ton sandhi bakad vid exporttid (99,2% token-exact mot den uppströms rjieba / pypinyin frontend), så Swift behöver ingen extern tokenizer.
Deterministisk per --f5-seed; --f5-speed skalor pacing, CFG styrka och svängprovtagning exponeras som flaggor; ca 0,8 GB topp RSS gör det den minsta kloning motor i paketet.