F5-TTS è un potente sistema di sintesi vocale (TTS) in grado di offrire agli utenti un'esperienza di generazione vocale naturale e fluida. Supporta il cambio di lingua, la regolazione della velocità e l'espressione emotiva, e possiede una capacità unica di generazione zero-shot e il vantaggio dell'addestramento multilingue su larga scala. La nuova funzione di dialogo a due voci amplia ulteriormente gli scenari d'uso ed è uno strumento ideale per la comunicazione e la creazione globali.

1. Cambio di lingua
Supporta il passaggio senza interruzioni tra piu lingue, gestendo facilmente complesse esigenze di input multilingue.
2. Capacità di generazione zero-shot
Genera voce di alta qualità senza campioni di addestramento specifici, adattandosi a nuove lingue o stili vocali mai visti.
3. Regolazione della velocità
Offre il controllo della velocità; gli utenti possono regolare il ritmo vocale secondo necessità, adattandosi a diversi scenari.
4. Funzione di dialogo a due voci
Permette di impostare due personaggi per dialogare, comodo per creare contenuti di tipo dialogico.
F5-TTS può essere ampiamente usato in ambiti come assistenti intelligenti, istruzione online e creazione di contenuti. Che si tratti di output vocale naturale e fluido o di ricche espressioni emotive, questo strumento soddisfa le esigenze ed è adatto agli utenti che necessitano di generazione vocale di alta qualità e supporto multilingue.
- Sistema operativo: Windows 10/11 64 bit
- Scheda grafica: si consiglia una NVIDIA con 8GB di VRAM o più, supporto CUDA >= 11.8
- Spazio su disco: circa 10.1GB dopo l'estrazione; assicurati di avere spazio sufficiente
- Come vedere marca e VRAM della scheda grafica:
1. Apri il Task Manager
2. Fai clic sulla scheda "Prestazioni"
3. Seleziona "GPU": in alto a destra puoi vedere il modello della scheda grafica, in basso la dimensione della memoria video

Tutorial di installazione di CUDA:Fai clic per visualizzare il tutorial
1. Estrai il pacchetto integrato
Assicurati che il percorso di estrazione e i nomi dei file non contengano caratteri cinesi, per evitare errori di esecuzione del software.

2. Preparazione dei materiali audio
Si consiglia di mantenere la durata del materiale entro 15 secondi e di usare una voce pulita (senza rumore di fondo né fruscii). Se c'è un rumore di fondo puoi usare [UVR]per elaborarlo.
3. Avvia l'interfaccia operativa
Fai doppio clic su "Avvio rapido.exe" e attendi qualche istante: l'interfaccia operativa si aprirà nel browser.

4. Generazione vocale a personaggio singolo
– Carica l'audio
– Inserisci il testo dell'audio di riferimento (cioè il contenuto del dialogo presente nell'audio)
– Seleziona "Rimuovi silenzi"
– Inserisci il testo da generare, aggiungi un punto alla fine della frase e fai clic su Genera

Il risultato generato apparirà in fondo alla pagina; puoi ascoltarlo in anteprima e scaricarlo.

[Audio originale]
[Risultato generato]
5. Generazione di dialoghi a due personaggi
– Seleziona la modalità "Podcast", assegna un nome ai due personaggi, carica i rispettivi audio e inserisci i testi di riferimento corrispondenti
– Scrivi il copione del dialogo, attenzione al formato: dopo il nome del personaggio aggiungi i due punti e scrivi il contenuto del dialogo, con un punto alla fine della frase
– Seleziona "Rimuovi silenzi" e fai clic su Genera

Il risultato generato apparirà in basso; puoi ascoltarlo in anteprima o scaricarlo.

[Audio originale-A]
[Audio originale-B]
[Risultato generato]
PS: lo strumento supporta anche la generazione delle emozioni, ma dopo i test l'effetto è nella media; se sei interessato puoi provarlo da solo!

Indirizzo open source:https://github.com/SWivid/F5-TTS