F5-TTS

Modèle TTS zero-shot de clonage vocal par flow matching qui produit une parole fluide à partir d'un court clip de référence.

F5-TTS est un modèle de synthèse vocale non autorégressif basé sur le flow matching avec des transformers de diffusion, produisant une parole naturelle et fluide ainsi qu'un clonage vocal zero-shot à partir de quelques secondes d'audio de référence. Il se distingue par sa qualité et sa rapidité sans alignement phonémique ni modèle de durée séparé, et supporte la synthèse multilingue et le code-switching.