Mengklon suara setiap pembicara dari sampel video dan mengucapkan subtitle Anda dalam bahasa Inggris atau Mandarin, di komputer Anda sendiri. Tidak memiliki suara bawaan, dan modelnya hanya untuk penggunaan nonkomersial.

Fungsinya

Hanya klon

Satu suara, Custom voice. Setiap pembicara mendapat suaranya sendiri, disalin dari sampel yang dipotong Subtitld dari video. Hasilnya paling baik dengan 6 hingga 15 detik.

Mentranskripsikan sampel

Ketika sebuah sampel datang tanpa transkripnya, F5-TTS menulis satu dengan Whisper. Pada pertama kalinya, itu berarti Whisper juga diunduh; setelah itu disimpan di cache.

Bahasa Inggris dan Mandarin

Model dilatih pada ucapan bahasa Inggris dan Mandarin. Model ini tidak memiliki pengaturan bahasa dan membaca setiap baris sesuai teksnya.

Dimuat sekali

Baris pertama menunggu model diunduh dan dimuat; baris berikutnya memakai ulang model itu sampai add-on tidak dipakai selama lima menit.

Model nonkomersial. Bobot F5-TTS berada di bawah CC-BY-NC-4.0, yang tidak mengizinkan penggunaan komersial. Kode add-on berlisensi MIT, tetapi itu tidak mengubah ketentuan bobotnya. Untuk pekerjaan komersial, Qwen3-TTS juga dapat mengklon suara, dan bobotnya berlisensi Apache-2.0.

Suara

Di tab Pembicara, pilih F5-TTS sebagai Mesin dubbing seorang pembicara; satu-satunya Suara-nya adalah Custom voice. Setiap baris keluar sepanjang yang dibuat model; aktifkan Sesuaikan dubbing dengan durasi subtitle agar pembicara itu meregangkan atau memampatkannya sesuai subtitlenya.

1 suara.

Sampel untuk klon

Untuk setiap pembicara, Subtitld memotong sampel dari audio proyek:

subtitle terpanjangnya yang berdurasi antara 3 dan 12 detik;
jika tidak ada yang cocok, 12 detik pertama dari subtitle yang lebih panjang;
jika semuanya lebih pendek dari 3 detik, beberapa secara berurutan, digabung hingga mencapai 3 detik.

F5-TTS bekerja paling baik dengan 6 hingga 15 detik, jadi berikan setiap pembicara setidaknya satu baris yang berdurasi 6 hingga 12 detik. Jika Anda sudah memisahkan musik dari suara untuk video ini, sampelnya diambil dari suara saja. Default voice reference di pengaturan add-on hanya dipakai ketika tidak ada sampel yang bisa dipotong, misalnya ketika tidak ada video yang terbuka.

Subtitld menyimpan sampel setiap pembicara dan memotongnya ulang hanya jika berkas audio berubah. Setelah Anda menggeser ulang baris seorang pembicara, hapus sampelnya untuk mendapatkan yang baru; namanya diakhiri dengan nama pembicara.

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

Model

Keduanya diunduh saat pertama kali Anda membuat sebuah baris: model F5-TTS, dan vocoder Vocos yang mengubah keluarannya menjadi suara. Whisper ditambahkan di atasnya, pada pertama kalinya F5-TTS harus mentranskripsikan sampel.

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

Opsi

Add-on membaca pengaturan ini saat mulai, sehingga perubahan berlaku setelah ia tidak dipakai selama lima menit, atau setelah Anda memulai ulang Subtitld. Skip auto-extracted reference transcript adalah pengecualian: Subtitld membacanya untuk setiap baris.

Di Pengaturan › Pengaya › F5-TTS (offline + voice clone) › Atur.

Inference device

Bawaan: cpu

F5-TTS memilih perangkatnya sendiri ketika dimuat; add-on tidak meneruskan pengaturan ini. Build yang dirilis dibuat dengan paket CPU PyTorch.

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

Bawaan: kosong

Sebuah klip untuk disalin ketika Subtitld tidak dapat mengambil sampel pembicara dari video, misalnya ketika tidak ada video yang terbuka. Sampel dari video selalu didahulukan. Usahakan 6 hingga 15 detik.

Reference clip transcript

Bawaan: kosong

Kata-kata yang diucapkan dalam klip bawaan di atas. Add-on memakainya bersama sampel apa pun yang datang tanpa transkripnya sendiri, termasuk sampel dari video, jadi biarkan kosong kecuali Anda mengandalkan klip bawaan. Jika kosong, F5-TTS mentranskripsikan setiap sampel sendiri.

Skip auto-extracted reference transcript

Bawaan: nonaktif

Aktifkan agar teks subtitle tidak ikut menyertai sampel sebagai transkripnya; F5-TTS kemudian mentranskripsikan sampel itu sendiri dengan Whisper. Berguna ketika subtitle Anda memparafrasekan apa yang diucapkan.

Bahasa

F5-TTS tidak menerima bahasa: ia membaca setiap baris sesuai teksnya. Model untuk bahasa lain memang ada, tetapi add-on ini tidak memuatnya.

en
zh-cn

Platform

Sistem	Unduhan	Diuji
Linux x86-64	647.8 MB	Dibangun dan dimulai di CI
macOS (universal)	433.8 MB	Dibangun dan dimulai di CI
Windows x86-64	433.2 MB	Dibangun dan dimulai di CI

Setiap rilis dibangun di Linux, macOS, dan Windows, dan CI memeriksa bahwa program dimulai dan mendaftar suaranya. CI tidak membuat ucapan.

Pemecahan masalah

bad_paramsTidak ada yang bisa dikerjakan: subtitle tidak memiliki teks, atau tidak ada sampel untuk disalin. Subtitld tidak dapat memotongnya (tidak ada video yang terbuka, atau tidak ada subtitle untuk pembicara itu) dan tidak ada klip bawaan yang diatur, atau berkas klip bawaan sudah berpindah. Beri teks pada subtitle, buka videonya, atau atur Default voice reference ke berkas yang ada.
internalModel gagal dimuat atau gagal mengucapkan baris; pesannya menyebutkan yang mana. Unduhan yang gagal pada pemakaian pertama juga berakhir di sini: periksa koneksi dan ruang disk kosong Anda, lalu coba lagi. Jika pesannya menyebut ffmpeg, pasang ffmpeg agar berada di PATH Anda; F5-TTS memerlukannya untuk membaca sampel.

Lisensi

Add-on

MIT

Engine

MIT

f5-tts

Models

CC-BY-NC-4.0

Bobot F5TTS_v1_Base; hanya nonkomersial

Tidak untuk pekerjaan komersial: lisensi CC-BY-NC-4.0 pada bobot melarangnya, meskipun kode add-on berlisensi MIT.

F5-TTS (offline + voice clone)