F5-TTS เป็นระบบแปลงข้อความเป็นเสียง (TTS) ที่ทรงพลัง ให้ประสบการณ์สร้างเสียงที่ราบรื่นเป็นธรรมชาติ รองรับการสลับภาษา การปรับความเร็วเสียง และการแสดงอารมณ์ พร้อมความสามารถพิเศษในการสร้างแบบ zero-shot และข้อได้เปรียบจากการฝึกด้วยข้อมูลเสียงขนาดใหญ่ ฟีเจอร์บทสนทนาสองคนที่เพิ่มเข้ามาใหม่ช่วยขยายขอบเขตการใช้งานให้กว้างขึ้น เหมาะเป็นเครื่องมือในอุดมคติสำหรับการสื่อสารและงานสร้างสรรค์ในระดับโลก

1. การสลับภาษา
รองรับการสลับระหว่างหลายภาษาอย่างไร้รอยต่อ รับมือความต้องการป้อนข้อมูลภาษาที่ซับซ้อนได้อย่างง่ายดาย
2. ความสามารถสร้างแบบ zero-shot
สร้างเสียงคุณภาพสูงได้โดยไม่ต้องมีตัวอย่างฝึกเฉพาะ ปรับตัวเข้ากับภาษาใหม่หรือสไตล์เสียงที่ไม่เคยเห็นได้
3. การปรับความเร็วเสียง
มีฟีเจอร์ควบคุมความเร็วเสียง ผู้ใช้ปรับจังหวะเสียงได้ตามต้องการ ให้เหมาะกับหลากหลายสถานการณ์
4. ฟีเจอร์บทสนทนาสองคน
อนุญาตให้ตั้งค่าสองตัวละครเพื่อสนทนากัน สะดวกต่อการสร้างเนื้อหาประเภทบทสนทนา
F5-TTS ใช้ได้อย่างกว้างขวางในด้านผู้ช่วยอัจฉริยะ การเรียนออนไลน์ และการสร้างเนื้อหา ฯลฯ ไม่ว่าจะเป็นเสียงที่ราบรื่นเป็นธรรมชาติหรือการแสดงอารมณ์ที่หลากหลาย เครื่องมือนี้ตอบโจทย์ได้ทั้งหมด เหมาะสำหรับผู้ใช้ที่ต้องการสร้างเสียงคุณภาพสูงพร้อมการรองรับหลายภาษา
– ระบบปฏิบัติการ: Windows 10/11 64 บิต
– การ์ดจอ: แนะนำให้ใช้การ์ดจอ NVIDIA ที่มีหน่วยความจำ 8GB ขึ้นไป รองรับ CUDA >= 11.8
– พื้นที่ฮาร์ดดิสก์: หลังแตกไฟล์ต้องใช้พื้นที่ประมาณ 10.1GB โปรดตรวจสอบว่าฮาร์ดดิสก์มีพื้นที่เพียงพอ
– วิธีดูยี่ห้อการ์ดจอและขนาดหน่วยความจำ:
1. เปิด Task Manager
2. คลิกแท็บ "ประสิทธิภาพ" (Performance)
3. เลือก "GPU" มุมขวาบนสามารถดูรุ่นการ์ดจอ ด้านล่างแสดงขนาดหน่วยความจำ

คู่มือติดตั้ง CUDA:คลิกเพื่อดูคู่มือ
1. แตกไฟล์แพ็กเกจรวม
ตรวจสอบให้แน่ใจว่าพาธแตกไฟล์และชื่อไฟล์ไม่มีอักขระภาษาจีน เพื่อหลีกเลี่ยงข้อผิดพลาดในการทำงานของซอฟต์แวร์

2. การเตรียมไฟล์เสียง
แนะนำให้ควบคุมความยาวไฟล์ไว้ภายใน 15 วินาที เสียงเป็นเสียงดิบ (ไม่มีเสียงพื้นหลัง ไม่มีเสียงรบกวน) หากมีเสียงพื้นหลังสามารถใช้ [UVR]จัดการได้
3. เปิดหน้าจอการใช้งาน
ดับเบิลคลิกไฟล์เปิดใช้งานแบบคลิกเดียว (.exe) รอสักครู่ก็จะเปิดหน้าจอการใช้งานในเบราว์เซอร์

4. การสร้างเสียงแบบตัวละครเดียว
– อัปโหลดไฟล์เสียง
– ป้อนข้อความเสียงอ้างอิง (คือเนื้อหาบทสนทนาในไฟล์เสียง)
– ติ๊กเลือก "ลบความเงียบ"
– ป้อนข้อความที่ต้องการสร้าง ใส่จุดที่ท้ายประโยค แล้วคลิกสร้าง

ผลลัพธ์ที่สร้างจะแสดงด้านล่างของหน้า รองรับการฟังตัวอย่างและดาวน์โหลด

[เสียงต้นฉบับ]
[ผลลัพธ์ที่สร้าง]
5. การสร้างบทสนทนาสองตัวละคร
– เลือกโหมด "Podcast" ตั้งชื่อให้สองตัวละครและอัปโหลดไฟล์เสียงของแต่ละตัว ป้อนข้อความอ้างอิงที่สอดคล้องกัน
– เขียนสคริปต์บทสนทนา ระวังรูปแบบ: ใส่ชื่อตัวละครตามด้วยเครื่องหมายโคลอนแล้วเขียนเนื้อหาบทสนทนา ท้ายประโยคต้องใส่จุด
– ติ๊กเลือก "ลบความเงียบ" แล้วคลิกสร้าง

ผลลัพธ์ที่สร้างจะแสดงด้านล่าง สามารถฟังตัวอย่างหรือดาวน์โหลดได้

[เสียงต้นฉบับ-A]
[เสียงต้นฉบับ-B]
[ผลลัพธ์ที่สร้าง]
PS: เครื่องมือนี้ยังรองรับการสร้างอารมณ์ด้วย แต่ทดสอบแล้วได้ผลปานกลาง หากสนใจสามารถทดสอบเองได้!

ที่อยู่โอเพนซอร์ส:https://github.com/SWivid/F5-TTS