F5-TTS

TTS con voice cloning zero-shot basato su flow matching che genera parlato fluente da un breve clip di riferimento.

F5-TTS è un modello text-to-speech non autoregressivo basato su flow matching con diffusion transformer, che produce parlato naturale e fluente con voice cloning zero-shot a partire da pochi secondi di audio di riferimento. È apprezzato per la qualità e la velocità elevate senza allineamento fonemico né un modello di durata separato, e supporta la sintesi multilingue e code-switched.