F5-TTS

Kısa bir referans klibinden akıcı konuşma sentezleyen akış eşleştirmeli sıfır atışlı ses klonlama TTS.

F5-TTS, difüzyon transformerleri ile akış eşleştirmeye dayalı otoregresif olmayan bir metinden sese modelidir; birkaç saniyelik referans sesinden doğal ve akıcı konuşma ile sıfır atışlı ses klonlama üretir. Fonem hizalaması veya ayrı bir süre modeli gerektirmeksizin yüksek kalite ve hız sunmasıyla öne çıkar; çok dilli ve kod anahtarlamalı sentezi de destekler.