Clone la voix de chaque locuteur à partir d'un échantillon de la vidéo, et fait parler vos sous-titres en anglais ou en chinois, sur votre propre ordinateur. Il n'a pas de voix intégrées, et son modèle est réservé à un usage non commercial.

Ce qu'elle fait

Clonage uniquement

Une seule voix, Custom voice. Chaque locuteur a la sienne, copiée à partir d'un échantillon que Subtitld découpe dans la vidéo. Elle fonctionne mieux avec 6 à 15 secondes.

Transcrit l'échantillon

Lorsqu'un échantillon arrive sans sa transcription, F5-TTS en écrit une avec Whisper. La première fois, cela télécharge aussi Whisper ; ensuite, c'est en cache.

Anglais et chinois

Le modèle a été entraîné sur de la parole anglaise et chinoise. Il n'a pas de réglage de langue et lit chaque réplique telle qu'elle est écrite.

Chargé une fois

La première réplique attend le téléchargement et le chargement du modèle ; les suivantes le réutilisent jusqu'à cinq minutes d'inactivité de l'extension.

Modèle non commercial. Les poids de F5-TTS sont sous CC-BY-NC-4.0, qui n'autorise pas l'usage commercial. La licence de l'extension est MIT, mais cela ne change rien aux conditions des poids. Pour un travail commercial, Qwen3-TTS clone aussi les voix, et ses poids sont sous Apache-2.0.

Voix

Dans l'onglet Locuteurs, choisissez F5-TTS comme Moteur de doublage d'un locuteur ; sa seule Voix est Custom voice. Chaque réplique a la durée que le modèle lui donne ; activez Ajuster le doublage à la durée du sous-titre pour que le locuteur l'étire ou la comprime à la durée de son sous-titre.

1 voix.

L'échantillon du clone

Pour chaque locuteur, Subtitld découpe un échantillon dans l'audio du projet :

son sous-titre le plus long entre 3 et 12 secondes ;
si aucun ne convient, les 12 premières secondes d'un sous-titre plus long ;
si tous durent moins de 3 secondes, plusieurs à la suite, réunis jusqu'à atteindre 3 secondes.

F5-TTS fonctionne mieux avec 6 à 15 secondes ; donnez donc à chaque locuteur au moins une réplique de 6 à 12 secondes. Si vous avez séparé la musique de la voix pour cette vidéo, l'échantillon provient de la voix seule. Default voice reference dans les réglages de l'extension n'est utilisé que lorsqu'aucun échantillon ne peut être découpé, par exemple sans vidéo ouverte.

Subtitld garde l'échantillon de chaque locuteur et ne le redécoupe que si le fichier audio change. Après avoir recalé les répliques d'un locuteur, supprimez son échantillon pour en obtenir un nouveau ; son nom se termine par celui du locuteur.

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

Modèles

Les deux se téléchargent la première fois que vous générez une réplique : le modèle F5-TTS, et le vocodeur Vocos qui transforme sa sortie en son. Whisper vient en plus, la première fois que F5-TTS doit transcrire un échantillon.

Modèle	Téléchargement
f5-tts-v1-base	1.5 GB
vocos-mel-24khz	80 MB

Options

L'extension lit ces réglages au démarrage : une modification s'applique donc une fois qu'elle est restée inactive pendant cinq minutes, ou après le redémarrage de Subtitld. Skip auto-extracted reference transcript fait exception : Subtitld le lit pour chaque réplique.

Dans Paramètres › Extensions › F5-TTS (offline + voice clone) › Configurer.

Inference device

Par défaut : cpu

F5-TTS choisit lui-même le périphérique lors de son chargement ; l'extension ne transmet pas ce réglage. Les builds publiés sont faits avec le paquet CPU de PyTorch.

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

Par défaut : vide

Un clip à copier lorsque Subtitld ne peut pas prélever un échantillon du locuteur dans la vidéo, par exemple sans vidéo ouverte. Un échantillon de la vidéo passe toujours en premier. Visez 6 à 15 secondes.

Reference clip transcript

Par défaut : vide

Les mots prononcés dans le clip par défaut ci-dessus. L'extension l'utilise avec tout échantillon arrivant sans sa propre transcription, y compris ceux de la vidéo ; laissez-le donc vide, sauf si vous comptez sur le clip par défaut. Vide, F5-TTS transcrit lui-même chaque échantillon.

Skip auto-extracted reference transcript

Par défaut : désactivé

Activez-le pour que le texte du sous-titre n'accompagne pas l'échantillon comme transcription ; F5-TTS transcrit alors lui-même l'échantillon avec Whisper. Utile lorsque vos sous-titres paraphrasent ce qui est dit.

Langues

F5-TTS ne prend pas de langue : il lit chaque réplique telle qu'elle est écrite. D'autres modèles existent pour d'autres langues, mais cette extension ne les charge pas.

en
zh-cn

Plateformes

Système	Téléchargement	Testé
Linux x86-64	647.8 MB	Compilé et démarré en CI
macOS (universel)	433.8 MB	Compilé et démarré en CI
Windows x86-64	433.2 MB	Compilé et démarré en CI

Chaque version est compilée sous Linux, macOS et Windows, et la CI vérifie que le programme démarre et liste sa voix. La CI ne génère pas de parole.

Dépannage

bad_paramsIl n'y a rien à traiter : le sous-titre n'a pas de texte, ou il n'y a pas d'échantillon à copier. Subtitld n'a pas pu en découper (pas de vidéo ouverte, ou pas de sous-titre pour ce locuteur) et aucun clip par défaut n'est défini, ou le fichier du clip par défaut a été déplacé. Ajoutez du texte au sous-titre, ouvrez la vidéo, ou définissez Default voice reference sur un fichier existant.
internalLe modèle n'a pas pu se charger, ou n'a pas pu prononcer la réplique ; le message indique lequel. Un téléchargement raté au premier usage aboutit aussi ici : vérifiez votre connexion et l'espace disque libre, puis réessayez. Si le message mentionne ffmpeg, installez ffmpeg afin qu'il soit dans votre PATH ; F5-TTS en a besoin pour lire l'échantillon.

Licence

Extension

MIT

Moteur

MIT

f5-tts

Modèles

CC-BY-NC-4.0

poids F5TTS_v1_Base ; non commercial uniquement

Pas pour un usage commercial : la licence CC-BY-NC-4.0 des poids l'interdit, même si le code de l'extension est sous MIT.

F5-TTS (offline + voice clone)

Ce qu'elle fait

Voix

L'échantillon du clone

Modèles

Options

Langues

Plateformes

Dépannage

Licence

Versions

Autres extensions Voix