Klonuje głos każdego mówcy z próbki wideo i mówi twoimi napisami po angielsku lub chińsku, na twoim komputerze. Nie ma wbudowanych głosów, a jego model jest tylko do użytku niekomercyjnego.

Co robi

Tylko klon

Jeden głos, Własny głos. Każdy mówca dostaje własny, skopiowany z próbki, którą Subtitld wycina z wideo. Działa najlepiej z 6–15 sekundami.

Transkrybuje próbkę

Gdy próbka przychodzi bez transkrypcji, F5-TTS pisze ją sam za pomocą Whisper. Za pierwszym razem oznacza to pobranie także Whisper; potem jest w pamięci podręcznej.

Angielski i chiński

Model był trenowany na mowie po angielsku i chińsku. Nie ma ustawienia języka i czyta każdą kwestię tak, jak jest zapisana.

Wczytuje się raz

Pierwsza kwestia czeka, aż model się pobierze i wczyta; reszta go ponownie używa, dopóki dodatek nie będzie bezczynny przez pięć minut.

Model niekomercyjny. Wagi F5-TTS są na licencji CC-BY-NC-4.0, która nie pozwala na użycie komercyjne. Kod dodatku jest na licencji MIT, ale to nie zmienia warunków wag. Do pracy komercyjnej Qwen3-TTS również klonuje głosy, a jego wagi są na licencji Apache-2.0.

Głosy

W karcie Mówcy wybierz F5-TTS jako Silnik dubbingu danego mówcy; jedynym jego Głosem jest Własny głos. Każda kwestia wychodzi tak długa, jak ją zrobi model; włącz Dopasuj dubbing do czasu trwania napisu, aby mówca rozciągał lub ściskał ją do napisu.

1 głos.

Próbka do klonu

Dla każdego mówcy Subtitld wycina próbkę z dźwięku projektu:

jego najdłuższy napis między 3 a 12 sekundami;
jeśli żaden nie pasuje, pierwsze 12 sekund dłuższego;
jeśli wszystkie są krótsze niż 3 sekundy, kilka z rzędu, połączone, aż osiągną 3.

F5-TTS działa najlepiej z 6–15 sekundami, więc daj każdemu mówcy co najmniej jedną kwestię trwającą od 6 do 12 sekund. Jeśli dla tego wideo oddzieliłeś muzykę od głosu, próbka pochodzi tylko z głosu. Domyślna referencja głosu w ustawieniach dodatku jest używana tylko wtedy, gdy nie da się wyciąć próbki, na przykład bez otwartego wideo.

Subtitld zachowuje próbkę każdego mówcy i wycina ją ponownie tylko wtedy, gdy plik audio się zmieni. Po przesunięciu kwestii danego mówcy usuń jego próbkę, aby dostać nową; jej nazwa kończy się imieniem mówcy.

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

Modele

Oba pobierają się przy pierwszym wygenerowaniu kwestii: model F5-TTS oraz vocoder Vocos, który zamienia jego wynik w dźwięk. Whisper dochodzi, za pierwszym razem, gdy F5-TTS musi transkrybować próbkę.

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

Opcje

Dodatek odczytuje te ustawienia przy starcie, więc zmiana obowiązuje po pięciu minutach bez użycia albo po ponownym uruchomieniu Subtitld. Pomiń automatycznie wyciągniętą transkrypcję referencji jest wyjątkiem: Subtitld czyta je przy każdej kwestii.

W Ustawieniach › Dodatki › F5-TTS (offline + voice clone) › Konfiguruj.

Inference device

Domyślnie: cpu

F5-TTS sam wybiera urządzenie przy wczytywaniu; dodatek tego ustawienia nie przekazuje. Wydane wersje są zbudowane z pakietem PyTorch dla procesora.

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

Domyślnie: pusty

Klip do skopiowania, gdy Subtitld nie może pobrać próbki mówcy z wideo, na przykład bez otwartego wideo. Próbka z wideo zawsze ma pierwszeństwo. Celuj w 6–15 sekund.

Reference clip transcript

Domyślnie: pusty

Słowa wypowiedziane w domyślnym klipie powyżej. Dodatek używa ich przy każdej próbce bez własnej transkrypcji, także z wideo, więc zostaw puste, chyba że polegasz na domyślnym klipie. Gdy pole jest puste, F5-TTS sam transkrybuje każdą próbkę.

Skip auto-extracted reference transcript

Domyślnie: wył.

Włącz, aby tekst napisu nie szedł razem z próbką jako jej transkrypcja; F5-TTS wtedy transkrybuje próbkę sam, za pomocą Whisper. Przydatne, gdy twoje napisy parafrazują to, co zostało powiedziane.

Języki

F5-TTS nie przyjmuje języka: czyta każdą kwestię tak, jak jest zapisana. Istnieją modele dla innych języków, ale ten dodatek ich nie wczytuje.

en
zh-cn

Platformy

System	Pobranie	Przetestowano
Linux x86-64	647.8 MB	Zbudowany i uruchomiony w CI
macOS (uniwersalny)	433.8 MB	Zbudowany i uruchomiony w CI
Windows x86-64	433.2 MB	Zbudowany i uruchomiony w CI

Każde wydanie jest budowane na Linuksie, macOS i Windows, a CI sprawdza, czy program startuje i wypisuje swój głos. CI nie generuje mowy.

Rozwiązywanie problemów

bad_paramsBrakuje materiału do pracy: napis nie ma tekstu albo nie ma próbki do skopiowania. Subtitld nie mógł jej wyciąć (brak otwartego wideo lub napisów dla tego mówcy), a domyślny klip nie jest ustawiony, albo plik domyślnego klipu został przeniesiony. Wpisz tekst napisu, otwórz wideo albo ustaw Domyślna referencja głosu na istniejący plik.
internalModel nie wczytał się albo nie wypowiedział kwestii; komunikat mówi które. Nieudane pierwsze pobranie też kończy się tutaj: sprawdź połączenie i wolne miejsce na dysku, a potem spróbuj ponownie. Jeśli komunikat wspomina o ffmpeg, zainstaluj ffmpeg tak, by był w PATH; F5-TTS go potrzebuje, aby czytać próbkę.

Licencja

Dodatek

MIT

Silnik

MIT

f5-tts

Modele

CC-BY-NC-4.0

Wagi F5TTS_v1_Base; tylko niekomercyjne

Nie do użytku komercyjnego: licencja CC-BY-NC-4.0 wag tego zabrania, mimo że kod dodatku jest na licencji MIT.

F5-TTS (offline + voice clone)

Co robi

Głosy

Próbka do klonu

Modele

Opcje

Języki

Platformy

Rozwiązywanie problemów

Licencja

Wersje

Inne dodatki: Głosy