Клонує голос кожного мовця з зразка відео та озвучує ваші субтитри англійською або китайською на вашому комп’ютері. Вбудованих голосів немає, а модель призначена лише для некомерційного використання.

Що це робить

Лише клон

Один голос, Власний голос. Кожен мовець отримує свій, скопійований із зразка, який Subtitld вирізає з відео. Найкраще працює з 6–15 секундами.

Транскрибує зразок

Коли зразок надходить без транскрипції, F5-TTS пише її за допомогою Whisper. Уперше це означає завантаження й Whisper; далі він кешується.

Англійська та китайська

Модель навчено на англійському та китайському мовленні. Налаштування мови немає, і кожна репліка читається так, як записана.

Завантажується один раз

Перша репліка чекає, поки модель завантажиться з мережі та запуститься; решта використовують її, доки додаток не буде без діла п’ять хвилин.

Некомерційна модель. Ваги F5-TTS діють за ліцензією CC-BY-NC-4.0, яка не дозволяє комерційного використання. Код додатка має ліцензію MIT, але це не змінює умов ваг. Для комерційної роботи Qwen3-TTS також клонує голоси, а його ваги мають ліцензію Apache-2.0.

Голоси

На вкладці Мовці оберіть F5-TTS як Рушій дублювання мовця; його єдиний Голос — Власний голос. Кожна репліка виходить такої довжини, яку створює модель; увімкніть Вмістити дубляж у тривалість субтитру для мовця, щоб він розтягував або стискав її до свого субтитру.

1 голос.

Зразок для клону

Для кожного мовця Subtitld вирізає зразок з аудіо проєкту:

його найдовший субтитр між 3 і 12 секундами;
якщо жоден не підходить, перші 12 секунд довшого;
якщо всі коротші за 3 секунди, кілька поспіль, з’єднаних, доки не набуде 3 секунд.

F5-TTS найкраще працює з 6–15 секундами, тож дайте кожному мовцеві щонайменше одну репліку тривалістю 6–12 секунд. Якщо ви відокремили музику від голосу для цього відео, зразок береться лише з голосу. Типовий еталонний голос у налаштуваннях додатка використовується лише тоді, коли зразок вирізати не вдалося, наприклад коли відео не відкрито.

Subtitld зберігає зразок кожного мовця й вирізає його знову, лише якщо аудіофайл змінився. Після перетворення реплік мовця видаліть його зразок, щоб отримати новий; його назва закінчується іменем мовця.

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

Моделі

Обидві завантажуються під час першої генерації репліки: модель F5-TTS і вокодер Vocos, який перетворює її вихід на звук. Whisper додається зверху під час першого разу, коли F5-TTS має транскрибувати зразок.

Модель	Завантаження
f5-tts-v1-base	1.5 GB
vocos-mel-24khz	80 MB

Параметри

Додаток зчитує їх під час запуску, тож зміна застосовується після п’яти хвилин бездіяльності або після перезапуску Subtitld. Виняток — Пропускати автоматично вилучену транскрипцію еталона: Subtitld читає її для кожної репліки.

У Налаштуваннях › Додатки › F5-TTS (offline + voice clone) › Налаштувати.

Inference device

За замовчуванням: cpu

F5-TTS сам обирає пристрій під час завантаження; додаток цей параметр не передає. Випущені збірки створено з пакетом PyTorch для ЦП.

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

За замовчуванням: порожньо

Кліп для копіювання, коли Subtitld не може взяти зразок мовця з відео, наприклад коли відео не відкрито. Зразок з відео завжди має пріоритет. Орієнтуйтеся на 6–15 секунд.

Reference clip transcript

За замовчуванням: порожньо

Слова, сказані в типовому кліпі вище. Додаток використовує їх для будь-якого зразка, який надходить без власної транскрипції, зокрема зразків з відео, тож залиште порожнім, якщо не покладаєтеся на типовий кліп. Порожньо — F5-TTS сам транскрибує кожен зразок.

Skip auto-extracted reference transcript

За замовчуванням: вимк.

Увімкніть, щоб текст субтитрів не йшов із зразком як його транскрипція; тоді F5-TTS сам транскрибує зразок за допомогою Whisper. Корисно, коли ваші субтитри переказують сказане.

Мови

F5-TTS не приймає мову: він читає кожну репліку так, як вона записана. Моделі для інших мов існують, але цей додаток їх не завантажує.

en
zh-cn

Платформи

Система	Завантаження	Перевірено
Linux x86-64	647.8 MB	Збирається і запускається в CI
macOS (універсальний)	433.8 MB	Збирається і запускається в CI
Windows x86-64	433.2 MB	Збирається і запускається в CI

Кожен реліз збирається в Linux, macOS і Windows, а CI перевіряє, що програма запускається й показує свій голос. CI не генерує мовлення.

Усунення несправностей

bad_paramsНемає з чим працювати: у субтитрі немає тексту або немає зразка для копіювання. Subtitld не зміг його вирізати (відео не відкрито або немає субтитрів для цього мовця), а типовий кліп не задано, або файл типового кліпа переміщено. Додайте текст субтитру, відкрийте відео або встановіть Типовий еталонний голос на існуючий файл.
internalМодель не завантажилася або не змогла озвучити репліку; повідомлення вказує, яка саме. Невдале завантаження під час першого використання теж сюди призводить: перевірте з’єднання та вільне місце на диску й спробуйте ще раз. Якщо в повідомленні згадується ffmpeg, встановіть ffmpeg так, щоб він був у PATH; F5-TTS потребує його для читання зразка.

Ліцензія

Додаток

MIT

Рушій

MIT

f5-tts

Моделі

CC-BY-NC-4.0

Ваги F5TTS_v1_Base; лише некомерційні

Не для комерційної роботи: ліцензія CC-BY-NC-4.0 на ваги її забороняє, хоча код додатка має ліцензію MIT.

F5-TTS (offline + voice clone)

Що це робить

Голоси

Зразок для клону

Моделі

Параметри

Мови

Платформи

Усунення несправностей

Ліцензія

Версії

Інші додатки групи «Голоси»