Clona la voce di ciascun parlante da un campione del video e parla i suoi sottotitoli in inglese o cinese, sul suo computer. Non ha voci integrate, e il suo modello è solo per uso non commerciale.

Cosa fa

Solo clonazione

Una sola voce, Custom voice. Ogni parlante ne ha una propria, copiata da un campione che Subtitld ritaglia dal video. Funziona meglio con da 6 a 15 secondi.

Trascrive il campione

Quando un campione arriva senza la sua trascrizione, F5-TTS ne scrive una con Whisper. La prima volta, questo significa scaricare anche Whisper; dopo è in cache.

Inglese e cinese

Il modello è stato addestrato sul parlato in inglese e in cinese. Non ha un'impostazione di lingua e legge ogni battuta così come è scritta.

Si carica una volta

La prima battuta attende che il modello si scarichi e si carichi; le altre lo riutilizzano finché il componente non è stato inattivo per cinque minuti.

Modello non commerciale. I pesi F5-TTS sono sotto CC-BY-NC-4.0, che non consente l'uso commerciale. Il codice del componente è MIT, ma questo non cambia le condizioni dei pesi. Per lavoro commerciale, Qwen3-TTS clona anch'esso le voci, e i suoi pesi sono Apache-2.0.

Voci

Nella scheda Parlanti, scelga F5-TTS come Motore di doppiaggio di un parlante; la sua unica Voce è Custom voice. Ogni battuta esce della durata che il modello le dà; attivi Adatta il doppiaggio alla durata del sottotitolo perché il parlante la allunghi o la comprima fino al suo sottotitolo.

1 voce.

Il campione per il clone

Per ogni parlante, Subtitld taglia un campione dall'audio del progetto:

il suo sottotitolo più lungo tra 3 e 12 secondi;
se nessuno rientra, i primi 12 secondi di uno più lungo;
se tutti sono più corti di 3 secondi, più di seguito, uniti fino a raggiungere 3.

F5-TTS funziona meglio con da 6 a 15 secondi, quindi dia a ogni parlante almeno una battuta tra 6 e 12 secondi. Se per questo video ha separato la musica dal parlato, il campione proviene solo dalla voce. Default voice reference nelle impostazioni del componente viene usato solo quando non si può tagliare alcun campione, per esempio senza video aperto.

Subtitld conserva il campione di ogni parlante e lo ritaglia di nuovo solo se il file audio cambia. Dopo aver risincronizzato le battute di un parlante, elimini il suo campione per ottenerne uno nuovo; il suo nome termina con il nome del parlante.

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

Modelli

Entrambi si scaricano la prima volta che genera una battuta: il modello F5-TTS e il vocoder Vocos, che trasforma il suo output in suono. Whisper si aggiunge la prima volta che F5-TTS deve trascrivere un campione.

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

Opzioni

Il componente legge queste impostazioni all'avvio, quindi una modifica si applica dopo cinque minuti senza uso, oppure dopo aver riavviato Subtitld. Skip auto-extracted reference transcript è l'eccezione: Subtitld la legge per ogni battuta.

In Impostazioni › Componenti aggiuntivi › F5-TTS (offline + voice clone) › Configuri.

Inference device

Predefinito: cpu

F5-TTS sceglie da solo il dispositivo quando si carica; il componente non gli passa questa impostazione. Le build rilasciate sono compilate con il pacchetto CPU di PyTorch.

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

Predefinito: vuoto

Una clip da copiare quando Subtitld non riesce a prelevare un campione del parlante dal video, per esempio senza video aperto. Un campione dal video ha sempre la precedenza. Punti a da 6 a 15 secondi.

Reference clip transcript

Predefinito: vuoto

Le parole pronunciate nella clip predefinita qui sopra. Il componente la usa con ogni campione che arriva senza una propria trascrizione, anche quelli dal video, quindi lo lasci vuoto a meno che non si affidi alla clip predefinita. Se vuoto, F5-TTS trascrive lui stesso ogni campione.

Skip auto-extracted reference transcript

Predefinito: disattivo

Attivi per evitare che il testo del sottotitolo accompagni il campione come sua trascrizione; F5-TTS trascrive allora il campione da solo con Whisper. Utile quando i sottotitoli parafrasano ciò che viene detto.

Lingue

F5-TTS non accetta una lingua: legge ogni battuta così come è scritta. Esistono modelli per altre lingue, ma questo componente non li carica.

en
zh-cn

Piattaforme

Sistema	Download	Testato
Linux x86-64	647.8 MB	Compilato e avviato in CI
macOS (universale)	433.8 MB	Compilato e avviato in CI
Windows x86-64	433.2 MB	Compilato e avviato in CI

Ogni rilascio è compilato su Linux, macOS e Windows, e la CI verifica che il programma si avvii ed elenchi la sua voce. La CI non genera il parlato.

Risoluzione dei problemi

bad_paramsNon c'è nulla con cui lavorare: il sottotitolo non ha testo, oppure non c'è un campione da copiare. Subtitld non è riuscito a tagliarne uno (nessun video aperto, o nessun sottotitolo per quel parlante) e non è impostata alcuna clip predefinita, oppure il file della clip predefinita è stato spostato. Dia testo al sottotitolo, apra il video, oppure imposti Default voice reference su un file che esiste.
internalIl modello non si è caricato o non è riuscito a pronunciare la battuta; il messaggio indica quale. Anche un download fallito al primo uso finisce qui: controlli la connessione e lo spazio libero su disco, poi riprovi. Se il messaggio cita ffmpeg, installi ffmpeg in modo che sia nel PATH; F5-TTS ne ha bisogno per leggere il campione.

Licenza

Componente aggiuntivo

MIT

Motore

MIT

f5-tts

Modelli

CC-BY-NC-4.0

Pesi F5TTS_v1_Base; solo non commerciale

Non per uso commerciale: la licenza CC-BY-NC-4.0 dei pesi lo vieta, anche se il codice del componente è MIT.

F5-TTS (offline + voice clone)

Cosa fa

Voci

Il campione per il clone

Modelli

Opzioni

Lingue

Piattaforme

Risoluzione dei problemi

Licenza

Versioni

Altri componenti aggiuntivi Voci