F5-TTS
SWivid/F5-TTSRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es F5-TTS?
F5-TTS es el código de investigación de un modelo de texto a voz que copia una voz. Le das una grabación de referencia corta con su transcripción, escribes el texto que quieres y produce audio con esa voz, en inglés o chino y en otros idiomas agregados por la comunidad. Abre una página web en tu propia máquina (Gradio) o funciona desde la terminal, y también se puede entrenar con voces nuevas. Se instala con Python y PyTorch, y se recomienda mucho tener una tarjeta gráfica.
F5-TTS es gratis y de código abierto (MIT) y puede reemplazar a ElevenLabs, Respeecher y Murf.
¿Qué tan fácil es instalar F5-TTS?
D · terminal, varias herramientas o tarjeta específica · Windows
- Windows D
- macOS D
- Linux D
En los tres sistemas creas un entorno de Python 3.10 o superior, instalas FFmpeg, eliges la compilación de PyTorch que corresponde a tu hardware (CUDA, ROCm, Intel XPU o Apple Silicon) y luego ejecutas "pip install f5-tts" antes de escribir "f5-tts_infer-gradio" para abrir la página web local. También hay una imagen de Docker, que igual necesita una tarjeta NVIDIA con --gpus=all.
Pronto: instala con 1 clic desde la app RepoPicks.
F5-TTS en GitHub
- Estrellas
- 15.560el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +48estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux
- Necesitas instalar
- Python, FFmpeg, Tarjeta gráfica
- Para compilar desde el código
- Python, Docker, Tarjeta gráfica, FFmpeg
- Espacio en disco
- 950 MB–4,3 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis
- Licencia
- MIT (Permisiva)
- Puede reemplazar
- ElevenLabs, Respeecher, Murf, Kits AI, Fish Audio
- Último cambio en GitHub
- 3 nov 2026
Señales de riesgo de F5-TTS (5)
- AtenciónLos modelos no son libres para uso comercial
README.md, License: "Our code is released under MIT License. The pre-trained models are licensed under the CC-BY-NC license due to the training data Emilia, which is an in-the-wild dataset." Las voces que generas vienen de modelos que prohíben el uso comercial.
revisión con IA
- AtenciónClona la voz de cualquier persona
La línea de comandos recibe "--ref_audio 'provide_prompt_wav_path_here.wav'" junto con su transcripción y lee cualquier texto con esa voz, y el título del proyecto es "A Fairytaler that Fakes Fluent and Faithful Speech". Nada en el repositorio comprueba el consentimiento, y la imagen de la marca de agua en el README está comentada.
revisión con IA
- InfoDescarga los modelos al primer uso
La dependencia "cached_path" y el volumen de Docker "/root/.cache/huggingface/hub/" muestran que los archivos del modelo se traen de Hugging Face la primera vez que lo ejecutas; la aplicación Gradio también ofrece "Voice Chat powered by Qwen2.5-3B-Instruct", otra descarga grande.
revisión con IA
- InfoOpción de enlace público
El README.md muestra "f5-tts_infer-gradio --share" para "Launch a share link", lo que expone la interfaz que corre en tu máquina a través de una dirección pública.
revisión con IA
- InfoCódigo de investigación
El repositorio es el "Official code" del artículo de arXiv 2410.06885, con carpetas de entrenamiento, evaluación y ajuste fino. Está publicado para investigadores, no empaquetado como una aplicación terminada.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de F5-TTS
- Qué tan parecida suena la voz clonada a la grabación original
- Si funciona a una velocidad usable sin una tarjeta NVIDIA, por ejemplo en una Mac
- El espacio total en disco después de descargar los archivos del modelo
- Qué idiomas más allá del inglés y el chino funcionan bien, ya que vienen de modelos de la comunidad
- Cuánta memoria hace falta cuando el texto de referencia se transcribe automáticamente