Klont die Stimme jedes Sprechers aus einer Probe des Videos und spricht Ihre Untertitel auf Englisch oder Chinesisch, auf Ihrem eigenen Computer. Es hat keine eingebauten Stimmen, und sein Modell ist nur für nicht-kommerzielle Nutzung bestimmt.

Was es tut

Nur Klonen

Eine Stimme, Custom voice. Jeder Sprecher bekommt seine eigene, kopiert aus einer Probe, die Subtitld aus dem Video schneidet. Ideal sind 6 bis 15 Sekunden.

Transkribiert die Probe

Kommt eine Probe ohne Transkription, schreibt F5-TTS mit Whisper eine. Beim ersten Mal wird dafür auch Whisper heruntergeladen; danach ist es zwischengespeichert.

Englisch und Chinesisch

Das Modell wurde auf englischer und chinesischer Sprache trainiert. Es hat keine Spracheinstellung und liest jede Zeile so, wie sie geschrieben ist.

Lädt einmal

Die erste Zeile wartet, bis das Modell heruntergeladen und geladen ist. Die übrigen nutzen es wieder, bis die Erweiterung fünf Minuten ungenutzt war.

Nicht-kommerzielles Modell. Die F5-TTS-Gewichte stehen unter CC-BY-NC-4.0, das keine kommerzielle Nutzung erlaubt. Der Code der Erweiterung ist MIT, das ändert aber nichts an den Bedingungen der Gewichte. Für kommerzielle Arbeit klont Qwen3-TTS ebenfalls Stimmen, und seine Gewichte sind Apache-2.0.

Stimmen

Im Tab Sprecher wählen Sie F5-TTS als Synchronisations-Engine eines Sprechers. Seine einzige Stimme ist Custom voice. Jede Zeile wird so lang, wie das Modell sie macht. Aktivieren Sie Synchronaufnahme an Untertiteldauer anpassen, damit der Sprecher sie auf die Dauer ihres Untertitels streckt oder staucht.

1 Stimme.

Die Probe für den Klon

Für jeden Sprecher schneidet Subtitld eine Probe aus dem Audio des Projekts:

seinen längsten Untertitel zwischen 3 und 12 Sekunden;
passt keiner, die ersten 12 Sekunden eines längeren;
sind alle kürzer als 3 Sekunden, mehrere hintereinander, zusammengefügt, bis sie mindestens 3 Sekunden ergeben.

F5-TTS arbeitet am besten mit 6 bis 15 Sekunden, daher geben Sie jedem Sprecher mindestens eine Zeile zwischen 6 und 12 Sekunden. Haben Sie für dieses Video die Musik von der Stimme getrennt, stammt die Probe nur von der Stimme. Default voice reference in den Einstellungen der Erweiterung wird nur verwendet, wenn keine Probe geschnitten werden kann, etwa ohne geöffnetes Video.

Subtitld behält die Probe jedes Sprechers und schneidet sie nur neu, wenn sich die Audiodatei ändert. Nachdem Sie die Zeiten eines Sprechers verschoben haben, löschen Sie seine Probe, um eine neue zu bekommen. Ihr Name endet mit dem Namen des Sprechers.

System	Ordner
Linux	`~/.cache/subtitld/clone-refs`
macOS	`~/Library/Caches/subtitld/clone-refs`
Windows	`%LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs`

Modelle

Beide werden beim ersten Erzeugen einer Zeile heruntergeladen: das F5-TTS-Modell und der Vocos-Vocoder, der seine Ausgabe in Klang umwandelt. Whisper kommt beim ersten Mal hinzu, wenn F5-TTS eine Probe transkribieren muss.

Modell	Download
f5-tts-v1-base	1.5 GB
vocos-mel-24khz	80 MB

Optionen

Die Erweiterung liest diese beim Start. Eine Änderung gilt daher, sobald sie fünf Minuten ungenutzt war, oder nach einem Neustart von Subtitld. Skip auto-extracted reference transcript ist die Ausnahme: Subtitld liest sie für jede Zeile.

In Einstellungen › Erweiterungen › F5-TTS (offline + voice clone) › Konfigurieren.

Inference device

Standard: cpu

F5-TTS wählt das Gerät beim Laden selbst; die Erweiterung gibt diese Einstellung nicht weiter. Die veröffentlichten Builds sind mit dem CPU-Paket von PyTorch erstellt.

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

Standard: leer

Ein Clip zum Kopieren, wenn Subtitld keine Probe des Sprechers aus dem Video nehmen kann, etwa ohne geöffnetes Video. Eine Probe aus dem Video hat immer Vorrang. Ideal sind 6 bis 15 Sekunden.

Reference clip transcript

Standard: leer

Die Worte, die im oben genannten Standardclip gesprochen werden. Die Erweiterung verwendet sie bei jeder Probe, die ohne eigene Transkription ankommt, auch bei Proben aus dem Video. Lassen Sie das Feld deshalb leer, außer Sie verlassen sich auf den Standardclip. Ist es leer, transkribiert F5-TTS jede Probe selbst.

Skip auto-extracted reference transcript

Standard: aus

Aktivieren Sie dies, damit der Untertiteltext nicht als Transkription mit der Probe geht. F5-TTS transkribiert die Probe dann selbst mit Whisper. Nützlich, wenn Ihre Untertitel das Gesagte umschreiben.

Sprachen

F5-TTS nimmt keine Sprache an: Es liest jede Zeile so, wie sie geschrieben ist. Modelle für andere Sprachen gibt es, diese Erweiterung lädt sie aber nicht.

en
zh-cn

Plattformen

System	Download	Getestet
Linux x86-64	647.8 MB	In der CI gebaut und gestartet
macOS (universell)	433.8 MB	In der CI gebaut und gestartet
Windows x86-64	433.2 MB	In der CI gebaut und gestartet

Jede Version wird auf Linux, macOS und Windows gebaut. Die CI prüft, ob das Programm startet und seine Stimme auflistet. Die CI erzeugt keine Sprache.

Fehlerbehebung

bad_paramsEs gibt nichts zu verarbeiten: Der Untertitel hat keinen Text, oder es gibt keine Probe zum Kopieren. Subtitld konnte keine schneiden (kein Video geöffnet oder keine Untertitel für diesen Sprecher), und es ist kein Standardclip gesetzt, oder die Datei des Standardclips wurde verschoben. Geben Sie den Untertiteltext ein, öffnen Sie das Video oder setzen Sie Default voice reference auf eine vorhandene Datei.
internalDas Modell konnte nicht geladen werden oder die Zeile nicht sprechen; die Meldung nennt, welches. Auch ein fehlgeschlagener Download beim ersten Einsatz endet hier: Prüfen Sie Ihre Verbindung und den freien Speicherplatz und versuchen Sie es erneut. Nennt die Meldung ffmpeg, installieren Sie ffmpeg so, dass es im PATH liegt; F5-TTS braucht es, um die Probe zu lesen.

Lizenz

Erweiterung

MIT

Engine

MIT

f5-tts

Modelle

CC-BY-NC-4.0

F5TTS_v1_Base-Gewichte; nur nicht kommerziell

Nicht für kommerzielle Arbeiten geeignet: Die Lizenz CC-BY-NC-4.0 der Gewichte verbietet sie, auch wenn der Code der Erweiterung MIT ist.

F5-TTS (offline + voice clone)

Was es tut

Stimmen

Die Probe für den Klon

Modelle

Optionen

Sprachen

Plattformen

Fehlerbehebung

Lizenz

Versionen

Weitere Stimmen-Erweiterungen