Awtomatikong salin · Orihinal sa Ingles

F5-TTS

Ang unang-party Soniqo page na ito ay nagpapatunay ng F5-TTS mula sa lokal na speech-swift / speech-core na pagpapatupad. Hugging Face na mga bungkos ay nakaugnay sa ibaba pagkatapos ng mga notasyon.

Panloob na Pahina Muna

Una na ngayong binabanggit dito ng mga landing card at docs menus ang tungkol dito; ang mga kawing ng source model at bround ay nananatiling makukuha mula sa pahinang ito.

Sa Isang Kaningningan

Huwaran	F5-TTS
Ang Papel	Zero-shot voice cloning mula sa maikling reperensiya at transcript
Likod	MLX fp16
Ilabas	24 kHz mono waveform
Wika	Ingles at Mandarin, may halong NT/ZH na suportado
Lisensiya	CC-BY-NC-4.0 mga pabigat; non-commercial bono
Kalagayan	Handa sa pamamagitan ng pagsasalita --engine f5 at ang F5TTS Swift produkto
Pinagmumulan	SWivid F5-TTS
Swift produkto	`F5TTS`
CLI / Oras ng pagtakbo	`speech speak --engine f5`

Gamitin

Ang snippet sa ibaba ng salamin ang kasalukuyang speech-swift API o utos na inilantad ng 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

Mga Kaugnayan sa Modelo

Mga Nota ng Pag - iisa

16 Ang mga hakbang ng daloy ay ang default (pagpasa ng daloyRTF 0.57 sa isang M5 Pro, mas mabilis ang pagbaba); --f5-steps 32 para sa sukdulang katapatan, 12 run sa RTF 0.43 — ASR Ang mga roundtrip ay salitang-identikal sa ibayo ng lahat ng tatlo.
--f5-reference-text[kailangan: cloning kondisyon sa reference transcript, at mga quality tracks kung gaano kalinis na nagtatapos ang reference clip sa hangganan ng pangungusap.
Ang Mandarin ay tumatakbo sa isang naka-packed pinyin leksyin na may tonong sandhi na hinurno sa oras ng pagluluwas (99.2% token-exact laban sa pasalungat na rjieba/pypinyin frontend), kaya ang Swift ay hindi nangangailangan ng panlabas na tortilerya.
Ang deterministic per --f5-seed; --f5-speed scales passing, CFG na lakas at molect na mga halimbawa ay nalalantad bilang mga bandila; halos 0.8 GB peak RSS ang gumagawa ritong ang pinakamaliit na makinang cloning sa pakete.