F5-TTS
SWivid/F5-TTSAI 已审核
RepoPicks Radar 检查于
F5-TTS 是什么?
F5-TTS 是一个会复制声音的文字转语音模型的研究代码。你提供一小段参考录音及其文字稿,再输入想要朗读的文本,它就会用那个声音生成音频,支持中英文以及社区补充的其他语言。它可以在本机打开一个网页界面(Gradio),也可以在终端里运行,还能用新的声音继续训练。安装需要 Python 和 PyTorch,并强烈建议配备显卡。
F5-TTS 免费开源(MIT),可以替代 ElevenLabs、Respeecher和Murf。
F5-TTS 安装有多容易?
D · 终端、多个工具或特定显卡 · Windows
- Windows D
- macOS D
- Linux D
三个系统上的步骤相同:建一个 Python 3.10 以上的环境,安装 FFmpeg,按自己的硬件(CUDA、ROCm、Intel XPU 或 Apple Silicon)选择对应的 PyTorch 版本,然后运行 "pip install f5-tts",再输入 "f5-tts_infer-gradio" 打开本地网页。项目也提供 Docker 镜像,但同样需要 NVIDIA 显卡并加上 --gpus=all。
即将推出:用 RepoPicks 应用一键安装。
F5-TTS 的 GitHub 数据
- 星标
- 15,5602026年11月10日
- 下载量
- —所有发布版本
- 增长
- +486 天内新增星标
星标变化
事实
- 可运行于
- Windows, macOS, Linux
- 需要安装
- Python, FFmpeg, 显卡
- 从源码编译需要
- Python, Docker, 显卡, FFmpeg
- 磁盘空间
- 950 MB–4.3 GB · 估算
- 账号或密钥
- 无
- 费用
- 免费
- 许可证
- MIT (宽松型)
- 可以替代
- ElevenLabs, Respeecher, Murf, Kits AI, Fish Audio
- GitHub 上的最近改动
- 2026年11月3日
F5-TTS 的风险信号 (5)
- 注意模型不可免费商用
README.md 的 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." 你生成的语音来自禁止商业使用的模型。
AI 审核
- 注意可以克隆任何人的声音
命令行接受 "--ref_audio 'provide_prompt_wav_path_here.wav'" 以及对应文字稿,然后用那个声音读出任意文本,项目标题就是 "A Fairytaler that Fakes Fluent and Faithful Speech"。仓库里没有任何检查授权同意的机制,README 中的水印图片也被注释掉了。
AI 审核
- 信息首次使用时才下载模型
依赖项 "cached_path" 和 Docker 卷 "/root/.cache/huggingface/hub/" 表明,模型文件是在第一次运行时从 Hugging Face 取回的;Gradio 应用还提供 "Voice Chat powered by Qwen2.5-3B-Instruct",这是另一个大体积下载。
AI 审核
- 信息带有公开链接选项
README.md 给出了 "f5-tts_infer-gradio --share" 用于 "Launch a share link",这会把运行在你机器上的界面通过一个公开地址暴露出去。
AI 审核
- 信息这是研究代码
该仓库是 arXiv 论文 2410.06885 的 "Official code",包含训练、评测和微调目录。它面向研究者发布,并没有打包成成品应用。
AI 审核
证据以原始语言显示。
Radar 无法验证的 F5-TTS 相关内容
- 克隆出的声音与原始录音有多接近
- 在没有 NVIDIA 显卡的设备上(例如 Mac)速度是否仍可接受
- 下载完模型文件后总共占用多少磁盘空间
- 除中英文之外,还有哪些语言效果不错,因为它们来自社区模型
- 当参考文本由系统自动转写时,需要多少内存