Ein Sprachsynthesemodell auf Basis von Flow Matching. Beim typischen lokalen Einsatz dienen eine Audiodatei und ihr Transkript als Stimmvorlage.

Autoren-Repository mit Code und lokalem F5-TTS-Start. Quelle öffnen

Warum das Transkript der Stimmprobe wichtig ist

Im üblichen Ablauf nutzt F5-TTS eine Stimmprobe und die darin gesprochenen Wörter, um einen neuen Satz zu erzeugen. Wählen Sie eine Aufnahme mit einer einzelnen Person und ohne Hintergrundmusik oder störende Geräusche. Prüfen Sie das Transkript von Hand, besonders wenn sich die Person versprochen oder ein Wort neu angesetzt hat. Schwer verständliche Aufnahmen eignen sich schlecht als Vorlage.

Probe auf einem kurzen Trainingstipp

Notieren Sie sich Ihren eigenen Satz, dass Sie nach der Inspektion des Geräts das Protokoll ausfüllen müssen. Bereiten Sie den folgenden Satz mit einer Abkürzung und einem Datum vor. Nach der Synthese die Zahlen nach Gehör abgleichen und dann hören, wie das Modell nach einer Pause zu einem kurzen Wort wechselt. Wenn die Abkürzung falsch klingt, vergleichen Sie die Option mit dem vollständigen Schreiben. Der Erfolg in einem kurzen Satz zeigt noch nicht, dass eine lange Anweisung im gleichen Tempo gehalten wird.

Bewahren Sie den Quellcode und die Ergebnisse separat auf. In einem Entwurfsprojekt vereinfacht dies den Vergleich verschiedener Stimmmuster und lässt die Aufnahme nicht mit der Synthese verwechseln.

Lokaler Start und Einschränkungen der Rechte

Das Repository enthält Befehle für verschiedene Installations- und Startoptionen. Überprüfen Sie die Kompatibilität der Computerumgebung, bevor Sie langen Text verarbeiten. Die MIT-Lizenz bezieht sich auf den Code, und für vorgebildete Gewichte geben die Entwickler CC BY-NC an. Vereinbaren Sie separat die Möglichkeit, eine Sprachprobe für Synthese und Veröffentlichung zu verwenden. Der Zugriff auf die Modelldateien ersetzt diese Zuordnung nicht.

Für welche Aufgaben geeignet

Generieren Sie eine schwarze Replik mit einer erlaubten Stimme
Überprüfen Sie die Aussprache von Namen und Zahlen

Funktionen

Stärken

Lokaler Startcode und Audiobeispiele der Autoren
Verarbeitet eine Audiodatei mit Transkript

Zu berücksichtigen

Einschränkungen

Vortrainierte Gewichte haben eine Non-Profit-Lizenz
Das Ergebnis hängt von der Aufnahmequalität und der Genauigkeit des Transkripts ab

Auswahl und Bedingungen

Kostenlose Nutzung: Ja
Testphase: Nicht bestätigt
Keine Registrierung erforderlich: Nicht bestätigt
Russische Benutzeroberfläche: Nicht bestätigt
Lokale Installation: Ja
API: Nicht bestätigt

„Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers.

Eingabeformate: Text, Audio
Ergebnis: Audio

Bedingungen

Die Autoren veröffentlichen Code, Gewichte und Audiobeispiele. Die im Repository beschriebene Befehlszeile und die lokale Gradio-Schnittstelle sind verfügbar.

Von der Aufgabe zum ersten Ergebnis

Praxisbeispiel

Aufgabe: Generieren Sie eine schwarze Replik mit einer erlaubten Stimme
Was Sie vorbereiten sollten: Eigene Sprachaufnahme mit einer Auflösung für die Synthese und ein paar neue Sätze in der richtigen Sprache.

Aufgabenbeschreibung oder Prompt

Beschreibe die Sätze nach dem Stimmmuster. Überprüfen Sie die Namen, Tonfall und Natürlichkeit der Pausen.

Erwartetes Ergebnis

Ein schwarzer Soundtrack mit synthetisierter Sprache.

So prüfen Sie das Ergebnis

Schreibe den gesamten Text auf.
Vergleichen Sie die Klangfarbe in verschiedenen Phrasen und überprüfen Sie die Sprachberechtigung.

Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses.

Details überprüfen

Offizielle Quellen

Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung.

F5-TTS.