Nhân bản giọng của mỗi người nói từ một mẫu trong video và đọc phụ đề của bạn bằng tiếng Anh hoặc tiếng Trung, trên máy tính của bạn. Nó không có giọng đặt sẵn, và mô hình chỉ dành cho mục đích phi thương mại.

Nó làm gì

Chỉ nhân bản

Một giọng duy nhất, Custom voice. Mỗi người nói có giọng riêng, sao chép từ một mẫu Subtitld cắt từ video. Nó hoạt động tốt nhất với 6 đến 15 giây.

Chép lời mẫu

Khi một mẫu đến mà không có bản chép lời, F5-TTS viết một bản bằng Whisper. Lần đầu, điều đó nghĩa là tải cả Whisper; sau đó nó được lưu đệm.

Tiếng Anh và tiếng Trung

Mô hình được huấn luyện trên giọng nói tiếng Anh và tiếng Trung. Nó không có cài đặt ngôn ngữ và đọc mỗi câu đúng như đã viết.

Tải một lần

Câu đầu tiên phải chờ mô hình tải xuống và nạp; các câu sau dùng lại nó cho đến khi tiện ích đã nhàn rỗi năm phút.

Mô hình phi thương mại. Trọng số F5-TTS theo CC-BY-NC-4.0, giấy phép không cho phép sử dụng thương mại. Mã của tiện ích là MIT, nhưng điều đó không thay đổi điều khoản của trọng số. Với công việc thương mại, Qwen3-TTS cũng nhân bản giọng, và trọng số của nó là Apache-2.0.

Giọng nói

Trong tab Người nói, chọn F5-TTS làm Công cụ lồng tiếng của một người nói; Giọng nói duy nhất của nó là Custom voice. Mỗi câu ra đúng độ dài mà mô hình tạo ra; bật Khớp bản lồng tiếng với thời lượng phụ đề để người nói kéo dài hoặc nén câu đó cho vừa phụ đề.

1 giọng nói.

Mẫu cho bản nhân bản

Với mỗi người nói, Subtitld cắt một mẫu từ âm thanh của dự án:

câu dài nhất của họ có độ dài từ 3 đến 12 giây;
nếu không có câu nào phù hợp, 12 giây đầu của một câu dài hơn;
nếu tất cả đều ngắn hơn 3 giây, nhiều câu liền nhau, nối lại cho đến khi đạt 3 giây.

F5-TTS hoạt động tốt nhất với 6 đến 15 giây, nên hãy cho mỗi người nói ít nhất một câu có độ dài từ 6 đến 12 giây. Nếu bạn đã tách nhạc khỏi giọng nói cho video này, mẫu được lấy chỉ từ giọng nói. Default voice reference trong cài đặt của tiện ích chỉ được dùng khi không cắt được mẫu nào, chẳng hạn khi không mở video.

Subtitld giữ mẫu của mỗi người nói và chỉ cắt lại khi tệp âm thanh thay đổi. Sau khi bạn chỉnh lại thời gian các câu của một người nói, hãy xóa mẫu của họ để có mẫu mới; tên của nó kết thúc bằng tên người nói.

Hệ thống	Thư mục
Linux	`~/.cache/subtitld/clone-refs`
macOS	`~/Library/Caches/subtitld/clone-refs`
Windows	`%LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs`

Mô hình

Cả hai được tải lần đầu bạn tạo một câu: mô hình F5-TTS, và bộ mã hóa Vocos chuyển đầu ra của nó thành âm thanh. Whisper được tải thêm, lần đầu F5-TTS phải chép lời một mẫu.

Mô hình	Tải về
f5-tts-v1-base	1.5 GB
vocos-mel-24khz	80 MB

Tùy chọn

Tiện ích đọc các tùy chọn này khi khởi động, nên một thay đổi có hiệu lực sau khi nó đã nhàn rỗi năm phút, hoặc sau khi bạn khởi động lại Subtitld. Skip auto-extracted reference transcript là ngoại lệ: Subtitld đọc nó cho mọi câu.

Trong Cài đặt › Tiện ích bổ sung › F5-TTS (offline + voice clone) › Cấu hình.

Inference device

Mặc định: cpu

F5-TTS tự chọn thiết bị khi nó nạp; tiện ích không truyền cài đặt này. Các bản dựng phát hành dùng gói CPU của PyTorch.

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

Mặc định: trống

Một đoạn để sao chép khi Subtitld không lấy được mẫu của người nói từ video, chẳng hạn khi không mở video. Mẫu từ video luôn được ưu tiên trước. Hướng tới 6 đến 15 giây.

Reference clip transcript

Mặc định: trống

Các từ được nói trong đoạn mặc định ở trên. Tiện ích dùng nó cho mọi mẫu đến mà không có bản chép lời riêng, kể cả mẫu từ video, nên hãy để trống trừ khi bạn dựa vào đoạn mặc định. Để trống, F5-TTS tự chép lời từng mẫu.

Skip auto-extracted reference transcript

Mặc định: tắt

Bật để văn bản phụ đề không đi kèm mẫu như bản chép lời của nó; khi đó F5-TTS tự chép lời mẫu bằng Whisper. Hữu ích khi phụ đề của bạn diễn đạt lại điều được nói.

Ngôn ngữ

F5-TTS không nhận ngôn ngữ: nó đọc mỗi câu đúng như đã viết. Có các mô hình cho ngôn ngữ khác, nhưng tiện ích này không tải chúng.

en
zh-cn

Nền tảng

Hệ thống	Tải về	Đã thử
Linux x86-64	647.8 MB	Được dựng và khởi động trong CI
macOS (đa nền tảng)	433.8 MB	Được dựng và khởi động trong CI
Windows x86-64	433.2 MB	Được dựng và khởi động trong CI

Mỗi bản phát hành được dựng trên Linux, macOS và Windows, và CI kiểm tra rằng chương trình khởi động và liệt kê được giọng của nó. CI không tạo giọng nói.

Khắc phục sự cố

bad_paramsKhông có gì để làm việc: phụ đề không có văn bản, hoặc không có mẫu nào để sao chép. Subtitld không cắt được mẫu nào (không mở video, hoặc không có phụ đề cho người nói đó) và không có đoạn mặc định nào được đặt, hoặc tệp của đoạn mặc định đã bị di chuyển. Thêm văn bản cho phụ đề, mở video, hoặc đặt Default voice reference trỏ đến một tệp tồn tại.
internalMô hình không nạp được, hoặc không đọc được câu; thông báo cho biết cụ thể. Một lần tải thất bại khi dùng lần đầu cũng dừng ở đây: kiểm tra kết nối và dung lượng ổ đĩa, rồi thử lại. Nếu thông báo nhắc đến ffmpeg, hãy cài ffmpeg để nó nằm trên PATH của bạn; F5-TTS cần nó để đọc mẫu.

Giấy phép

Tiện ích bổ sung

MIT

Công cụ

MIT

f5-tts

Mô hình

CC-BY-NC-4.0

Trọng số F5TTS_v1_Base; chỉ phi thương mại

Không dùng cho công việc thương mại: giấy phép CC-BY-NC-4.0 của trọng số cấm điều đó, dù mã của tiện ích là MIT.

F5-TTS (offline + voice clone)

Nó làm gì

Giọng nói

Mẫu cho bản nhân bản

Mô hình

Tùy chọn

Ngôn ngữ

Nền tảng

Khắc phục sự cố

Giấy phép

Phiên bản

Các tiện ích bổ sung Giọng nói khác