Fast
速度
Very Good
质量
是 是
克隆
5
语文
关于 F5-TTS 储
F5-TTS是一种非自动递增式文本到语音模式,它既能快速推断,又能保持高质量和支持语音克隆。 它使用流动匹配技术,产生精通和忠实于引用声音的自然演讲。 F5-TTS在速度、质量和克隆能力之间提供了很大的平衡。
关键特征
快速一代
快速语音合成的非侵略性架构。
零热克隆
未经微调,从短音频样本中 复制任何声音
高菲心
流动匹配产生自然的高质量语言产出。
自然通度
整个过程的 滑动和自然节奏
多种语文
支持多种语言的自然发音。
开放源码
麻省理工学院获得全面商业用途许可证。
使用案例
内容创建
视频杜盘
音频书制作
播客一代
个性助理
实时应用
如何使用 F5-TTS 储
-
1
注册或打开演示
创建一个免费的 TextToSpeechAI 账户以接收初始学分, 或者直接跳入自由演示, 尝试 F5- TTS, 无需支付 。
-
2
选择 F5- TTS 并( 可能) 上传引用剪贴
选择 F5- TTS 做您的引擎。 要克隆一个声音, 请上传一个目标扬声器的短短 10- 30 秒参考样本, 这样 F5- TTS 就可以捕捉他们的音调和口音为零发音; 跳过此步使用内置的 F5- TTS 声音 。
-
3
输入文本
输入或粘贴您想要的文本。 F5- TTS 以您所选或克隆的声音自然读取, 并用多种支持的语言顺利地进行手动。
-
4
生成演讲
点击生成并快速合成您的音频, 以每1000个字符25分的平价计价。
-
5
下载或使用 API
下载完成的音频为 MP3、 WAV或 OGG, 或者用 F5-TTS 语音代号调用 TextToSpeechAI API, 以自动生成您的应用程序 。
F5-TTS 储 API AIP AIPI AIP
以TextToSpeechAIREST API 生成有计划的语言。
curl -X POST "https://api.texttospeechai.com/v1/generate/" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"text": "F5\u002DTTS提供快速流利的演讲,具有令人印象深刻的语音克隆能力。",
"voice": "en_US-lessac-medium"
}'常问问题
F5-TTS(快速、流利、忠实TTS)是一种现代文本到语音模型,使用流来匹配高效、高质量的语音合成,支持零弹话语克隆,并比传统的自毁模式更快生成自然语言。 在TextToSpeechAI, F5-TTS是语音克隆的默认引擎。
F5-TTS克隆一个没有训练要求的音速零射的克隆:上传目标扬声器的简短参考记录,模型在飞上提取其声特征。然后它合成了从样本中复制的声音、抓取音调、口音和假曲调的任何文字。
F5-TTS可以从一个大约10至30秒的简短的参考短片复制一个声音。 清晰、无噪音的录音可以产生最忠实的结果,而你不需要像旧克隆系统那样的几个小时的培训数据。
是的。F5-TTS代码是MIT许可的,TextToSpeechAI运行OpenF5-TTS-Base重量,这些重量根据商业许可Apache 2.0许可证发放。这种组合使F5-TTS安全用于商业产品,只要您有权使用克隆人的任何声音。
是的。 F5-TTS使用一种非向流匹配结构,因此它产生的语言速度比巴克或乌龟等自动递减模型快得多。 这使得它非常适合实时和大容量的工作量,同时仍然听起来自然。
F5-TTS 生产出天然的流体、顺畅的节奏和清晰的高质量音频,在质量和速度上达到极佳的平衡,因此对大部分内容、叙事和克隆使用案例来说,它是一个严重的默认。
F5-TTS在 VRAM 上速度更快,更轻,在需要快速转弯或大批量时,它就更理想了,它是TextToSpeechAI的默认克隆引擎。 StyltTS2 是一个超层引擎,可以将F5-TTS 的原始忠诚程度排出,因此当最大质量比速度和成本更重要时,选择StylTS2 。
F5-TTS支持英语、中文和其他几种语言的自然发音。它也处理跨语言克隆,允许您使用克隆声音来使用不同于原始参考记录的语言。
F5-TTS 具有记忆效率,通常需要 VRAM 4-6GB。 在TextToSpeechAI 年的所有一代中,我们GPU基础设施都运行,所以不需要本地的 GPU来使用它。
F5-TTS是TextToSpeechAI的一台Premium-TTS发动机,每1000个字符计25个分。新账户获得免费启动分,这样您就可以在购买更多之前测试F5-TTS,包括语音克隆。
是的。 您可以通过TextToSpeechAI免费演示尝试 F5- TTS, 无需支付任何费用, 并创建一个免费账户赠款启动分, 这样您就可以生成语音并克隆一个声音。 只有在需要更多字符时才升级 。
从我们的库中选择现有的 F5-TTS 声音, 或者通过上传参考音频创建克隆声音, 然后在您的 API 请求中传递该声音代号 。 F5- TTS 输出为 WAV 本地输出, TextToSpeechAI 将返回 MP3 、 WAV 或 OGG 自动转换 。
Technical Specs
- Generation Speed Fast
- Output Quality Very Good
- Voice Cloning Supported
- Languages 5
- GPU VRAM 3-4GB
- Credits/1000 chars 25