F5-TTS
SWivid/F5-TTSRevisado por IA
Verificado pelo RepoPicks Radar em
O que é F5-TTS?
O F5-TTS é o código de pesquisa de um modelo de texto para voz que copia uma voz. Você dá a ele uma gravação de referência curta com a transcrição, digita o texto que quiser e ele produz o áudio naquela voz, em inglês ou chinês e em outros idiomas acrescentados pela comunidade. Ele abre uma página web na sua própria máquina (Gradio) ou roda pelo terminal, e também pode ser treinado com vozes novas. A instalação é com Python e PyTorch, e uma placa de vídeo é bastante recomendada.
F5-TTS é grátis e de código aberto (MIT) e pode substituir ElevenLabs, Respeecher e Murf.
Quão fácil é instalar F5-TTS?
D · terminal, várias ferramentas ou placa específica · Windows
- Windows D
- macOS D
- Linux D
Nos três sistemas você cria um ambiente com Python 3.10 ou superior, instala o FFmpeg, escolhe a versão do PyTorch que combina com o seu equipamento (CUDA, ROCm, Intel XPU ou Apple Silicon) e então roda "pip install f5-tts" antes de digitar "f5-tts_infer-gradio" para abrir a página web local. Há também uma imagem Docker, que mesmo assim exige uma placa NVIDIA com --gpus=all.
Em breve: instale com 1 clique pelo app RepoPicks.
F5-TTS no GitHub
- Estrelas
- 15.560em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +48estrelas em 6 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, macOS, Linux
- Você precisa instalar
- Python, FFmpeg, Placa de vídeo
- Para compilar a partir do código
- Python, Docker, Placa de vídeo, FFmpeg
- Espaço em disco
- 950 MB–4,3 GB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis
- Licença
- MIT (Permissiva)
- Pode substituir
- ElevenLabs, Respeecher, Murf, Kits AI, Fish Audio
- Última mudança no GitHub
- 3 de nov. de 2026
Sinais de risco de F5-TTS (5)
- AtençãoOs modelos não são livres 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." As vozes que você gera vêm de modelos que proíbem o uso comercial.
revisão por IA
- AtençãoClona a voz de qualquer pessoa
A linha de comando recebe "--ref_audio 'provide_prompt_wav_path_here.wav'" mais a transcrição e fala qualquer texto naquela voz, e o título do projeto é "A Fairytaler that Fakes Fluent and Faithful Speech". Nada no repositório verifica consentimento, e a imagem da marca d'água no README está comentada.
revisão por IA
- InfoBaixa os modelos no primeiro uso
A dependência "cached_path" e o volume do Docker "/root/.cache/huggingface/hub/" mostram que os arquivos do modelo são buscados no Hugging Face na primeira vez que você roda; o aplicativo Gradio também oferece "Voice Chat powered by Qwen2.5-3B-Instruct", outro download grande.
revisão por IA
- InfoOpção de link público
O README.md mostra "f5-tts_infer-gradio --share" para "Launch a share link", o que expõe a tela que roda na sua máquina por um endereço público.
revisão por IA
- InfoCódigo de pesquisa
O repositório é o "Official code" do artigo arXiv 2410.06885, com pastas de treino, avaliação e ajuste fino. Ele é publicado para pesquisadores, não empacotado como um aplicativo pronto.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em F5-TTS
- O quanto a voz clonada se parece com a gravação original
- Se roda numa velocidade usável sem uma placa NVIDIA, por exemplo num Mac
- O espaço total em disco depois de baixados os arquivos do modelo
- Quais idiomas além do inglês e do chinês funcionam bem, já que vêm de modelos da comunidade
- Quanta memória é necessária quando o texto de referência é transcrito automaticamente