F5-TTS — магутная сістэма пераўтварэння тэксту ў маўленне (TTS), якая забяспечвае натуральнае і плыўнае сінтэзаванне голасу. Яна падтрымлівае пераключэнне моў, рэгуляванне хуткасці маўлення і выражэнне эмоцый, а таксама мае ўнікальную здольнасць генерацыі без прыкладаў і перавагі навучання на вялікіх моўных даных. Новая функцыя дыялогу двух асоб яшчэ больш пашырае сферы яе прымянення, робячы яе ідэальным інструментам для глабальнай камунікацыі і творчасці.

1. Пераключэнне моў
Падтрымлівае бесперашкоднае пераключэнне паміж рознымі мовамі, лёгка спраўляецца са складанымі моўнымі запытамі.
2. Генерацыя без прыкладаў
Высокаякасны сінтэз маўлення без спецыяльных навучальных узораў, адаптацыя да новых моў або незнаёмых стыляў голасу.
3. Рэгуляванне хуткасці маўлення
Функцыя кіравання хуткасцю маўлення дазваляе наладжваць рытм голасу пад розныя сцэнарыі.
4. Функцыя дыялогу двух асоб
Дазваляе наладзіць дыялог паміж двумя персанажамі, што зручна для стварэння дыялогавага кантэнту.
F5-TTS можна шырока выкарыстоўваць у разумных памочніках, анлайн-адукацыі і стварэнні кантэнту. Ці патрэбна натуральнае маўленне, ці багатае выражэнне эмоцый — гэты інструмент задаволіць патрэбы карыстальнікаў, якім патрэбна высокаякасная генерацыя голасу і моўная падтрымка.
– Аперацыйная сістэма: Windows 10/11 64-біт
– Відэакарта: рэкамендуецца NVIDIA з 8GB відэапамяці і больш, падтрымка CUDA >= 11.8
– Месца на дыску: пасля распакавання патрабуецца каля 10.1GB, пераканайцеся, што на дыску дастаткова месца
– Як даведацца марку відэакарты і аб'ём відэапамяці:
1. Адкрыйце дыспетчар задач
2. Націсніце ўкладку «Прадукцыйнасць»
3. Выберыце «GPU»: у верхнім правым куце можна ўбачыць мадэль відэакарты, а ніжэй адлюстроўваецца аб'ём відэапамяці

Інструкцыя па ўсталёўцы CUDA:Націсніце, каб паглядзець інструкцыю
1. Распакуйце зборку
Пераканайцеся, што шлях распакавання і імёны файлаў не ўтрымліваюць кітайскіх сімвалаў, каб пазбегнуць памылак у працы праграмы.

2. Падрыхтоўка аўдыяматэрыялаў
Рэкамендуецца, каб працягласць матэрыялу не перавышала 15 секунд, а гук быў чыстым (без фонавага шуму і без лішніх гукаў). Калі ёсць фонавы гук, можна выкарыстаць [UVR]для апрацоўкі.
3. Запуск інтэрфейсу кіравання
Двойчы націсніце «Запуск у адзін клік.exe» і праз імгненне інтэрфейс кіравання адкрыецца ў браўзеры.

4. Генерацыя голасу для аднаго персанажа
– Запампаваць аўдыя
– Увядзіце тэкст рэферэнснага аўдыя (гэта значыць змест дыялогу ў аўдыя)
– Пастаўце галачку на «Выдаліць цішыню»
– Увядзіце тэкст, які трэба згенераваць, дадайце кропку ў канцы сказа і націсніце «Згенераваць»

Вынік генерацыі з'явіцца ўнізе старонкі; можна праслухаць і спампаваць яго.

[Зыходнае аўдыя]
[Вынік генерацыі]
5. Генерацыя дыялогу двух персанажаў
– Выберыце рэжым «Podcast», дайце імёны двум персанажам, запампавайце іх аўдыя і ўвядзіце адпаведны рэферэнсны тэкст
– Напішыце сцэнар дыялогу, звярніце ўвагу на фармат: пасля імя персанажа ставіцца двукроп'е, затым змест дыялогу, а ў канцы сказа патрэбна кропка
– Пастаўце галачку на «Выдаліць цішыню» і націсніце «Згенераваць»

Вынік генерацыі з'явіцца ўнізе; можна праслухаць або спампаваць.

[Зыходнае аўдыя-A]
[Зыходнае аўдыя-B]
[Вынік генерацыі]
PS: інструмент таксама падтрымлівае генерацыю эмоцый, але па выніках тэстаў эфект звычайны; калі цікава, можаце праверыць самастойна!

Адрас з адкрытым зыходным кодам:https://github.com/SWivid/F5-TTS