Stažení

F5-TTS (offline + voice clone)

HlasyOfflineGPU volitelnéKlonování hlasuNekomerční

Klonuje hlas každého mluvčího podle vzorku z videa a mluví vaše titulky anglicky nebo čínsky, na vašem počítači. Nemá vestavěné hlasy a jeho model je určen jen pro nekomerční použití.

Nainstalujte ho z Subtitld

Nastavení Doplňky F5-TTS (offline + voice clone) Instalovat

Subtitld ho stáhne, ověří jeho SHA-256 a bude ho udržovat aktuální.

Zdrojový kód na GitHubu
Jazyky
2
Modely
2
Hlasy
1
Stažení doplňku
433–648 MB
RAM, alespoň
4 GB

Co dělá

Jen klon

Jeden hlas, Custom voice. Každý mluvčí dostane svůj vlastní, zkopírovaný ze vzorku, který Subtitld vystřihne z videa. Nejlépe funguje s 6 až 15 sekundami.

Přepíše vzorek

Když vzorek přijde bez přepisu, F5-TTS jej napíše pomocí Whisper. Poprvé to znamená stáhnout i Whisper; poté je v mezipaměti.

Angličtina a čínština

Model byl natrénován na anglické a čínské řeči. Nemá nastavení jazyka a každý řádek čte tak, jak je napsán.

Načte se jednou

První řádek čeká, až se model stáhne a načte; zbytek jej znovu použije, dokud není doplněk pět minut nečinný.

Model pro nekomerční použití. Váhy F5-TTS spadají pod CC-BY-NC-4.0, která komerční použití nedovoluje. Kód doplňku je MIT, ale to nemění podmínky vah. Pro komerční práci Qwen3-TTS také klonuje hlasy a jeho váhy jsou Apache-2.0.

Hlasy

V záložce Mluvčí zvolte u mluvčího F5-TTS jako Modul dabingu; jeho jediný Hlas je Custom voice. Každý řádek vyjde tak dlouhý, jak jej model vytvoří; zapněte Přizpůsobit dabing délce titulku, aby mluvčí řádek natáhl nebo stlačil na délku jeho titulku.

1 hlas.

Vzorek pro klon

Pro každého mluvčího Subtitld vystřihne ze zvuku projektu vzorek:

  • jeho nejdelší titulek mezi 3 a 12 sekundami;
  • když žádný nevyhovuje, prvních 12 sekund delšího;
  • když jsou všechny kratší než 3 sekundy, několik za sebou, spojených, dokud nedosáhnou 3.

F5-TTS nejlépe funguje s 6 až 15 sekundami, proto dejte každému mluvčímu alespoň jeden řádek mezi 6 a 12 sekundami. Pokud jste pro toto video oddělili hudbu od hlasu, vzorek pochází jen z hlasu. Default voice reference v nastavení doplňku se použije jen tehdy, když vzorek vystřihnout nelze, například když není otevřené žádné video.

Subtitld uchovává vzorek každého mluvčího a vystřihne jej znovu, jen když se změní zvukový soubor. Po úpravě časů řádků mluvčího smažte jeho vzorek, aby vznikl nový; jeho název končí jménem mluvčího.

Systém Složka
Linux ~/.cache/subtitld/clone-refs
macOS ~/Library/Caches/subtitld/clone-refs
Windows %LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs

Modely

Oba se stáhnou při prvním generování řádku: model F5-TTS a vokodér Vocos, který jeho výstup mění na zvuk. Whisper přibude navrch, až F5-TTS poprvé musí přepsat vzorek.

Model Stažení
f5-tts-v1-base
1.5 GB
vocos-mel-24khz
80 MB

Možnosti

Doplněk tato nastavení čte při startu, takže se změna projeví, jakmile je pět minut nečinný, nebo po restartu Subtitld. Skip auto-extracted reference transcript je výjimka: Subtitld jej čte pro každý řádek.

V Nastavení › Doplňky › F5-TTS (offline + voice clone) › Nastavit.

Inference device
Výchozí: cpu

F5-TTS si zařízení zvolí sám při načtení; doplněk toto nastavení nepředává. Vydaná sestavení jsou vytvořena s balíčkem PyTorch pro CPU.

Default voice reference (6-15 s, mono WAV recommended)
Výchozí: prázdné

Klip, který se má zkopírovat, když Subtitld nemůže z videa získat vzorek mluvčího, například když není otevřené žádné video. Vzorek z videa má vždy přednost. Cílte na 6 až 15 sekund.

Reference clip transcript
Výchozí: prázdné

Slova vyslovená ve výchozím klipu výše. Doplněk je použije u každého vzorku, který přijde bez vlastního přepisu, včetně vzorků z videa, takže to nechte prázdné, pokud se nespoléháte na výchozí klip. Je-li prázdné, F5-TTS přepíše každý vzorek sám.

Skip auto-extracted reference transcript
Výchozí: vypnuto

Zapněte, aby text titulku nešel se vzorkem jako jeho přepis; F5-TTS pak vzorek přepíše sám pomocí Whisper. Hodí se, když vaše titulky volně parafrázují řečené.

Jazyky

F5-TTS jazyk nebere: každý řádek čte tak, jak je napsán. Modely pro jiné jazyky existují, ale tento doplněk je nenačítá.

  • en
  • zh-cn

Platformy

Systém StaženíOtestováno
Linux x86-64 647.8 MBSestaveno a spuštěno v CI
macOS (univerzální) 433.8 MBSestaveno a spuštěno v CI
Windows x86-64 433.2 MBSestaveno a spuštěno v CI

Každé vydání je sestaveno na Linuxu, macOS a Windows a CI ověří, že se program spustí a vypíše svůj hlas. CI negeneruje řeč.

Řešení potíží

  • bad_paramsNení s čím pracovat: titulek nemá text, nebo není vzorek ke zkopírování. Subtitld jej nedokázal vystřihnout (není otevřené video, nebo pro tohoto mluvčího nejsou titulky), není nastaven výchozí klip, nebo soubor výchozího klipu byl přesunut. Doplňte text titulku, otevřete video, nebo nastavte Default voice reference na existující soubor.
  • internalModel se nepodařilo načíst, nebo namluvit řádek; zpráva uvede, které. Selhání stažení při prvním použití skončí také zde: zkontrolujte připojení a volné místo na disku a zkuste to znovu. Pokud zpráva zmiňuje ffmpeg, nainstalujte ffmpeg tak, aby byl v PATH; F5-TTS jej potřebuje ke čtení vzorku.

Licence

Doplněk
MIT
Engine
MIT
f5-tts
Modely
CC-BY-NC-4.0
Váhy F5TTS_v1_Base; jen nekomerční

Nevhodné pro komerční práci: licence CC-BY-NC-4.0 vah to zakazuje, i když kód doplňku je MIT.

Verze

  • 1.0.6

    Automated release for f5-tts v1.0.6.

Další doplňky skupiny Hlasy

Aktualizováno · Z katalogu doplňků Nahlásit problém s tímto doplňkem