盘天下 | 精选资源分享

一款基于流匹配的全非自回归文本到语音转换系统，零样本，支持声音克隆、速度控制、控制语音情感表现、长文本合成、中 英文 多 语言 合成，并支持商用。

不需要复杂的 设计 如持续 时间 模型、文本编码器和音素对齐，能够快速训练并实现实时因素（RTF）0.15 的 推理 速度，显著优于当前基于扩散的 TTS 模型。

F5-TTS 在公共的 100K 小时 多语言数据集上进行训练，展现出高 自然 性和表现力的零样本能力、无缝代码切换能力和速度控制 效率 。

开源地址：https:// github .com/SWivid/F5-TTS

• 
• 
• 
• 

转载请注明出处，本文链接：https://pantx.cn/14041.html