/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
12 июл 2026

phoonnx-f5tts

Синтез речиТекст → аудио

Набор ONNX-моделей F5-TTS и Habibi-TTS для синтеза речи с клонированием голоса по эталонному аудио и его расшифровке.

0скачиваний за 30 дней0лайковвеса обновлены2 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

phoonnx-f5tts — набор экспортированных в ONNX голосовых моделей F5-TTS и Habibi-TTS для использования через адаптер F5TTSAdapter проекта phoonnx. Репозиторий содержит несколько голосов, включая базовую многоязычную модель F5-TTS, варианты Habibi-TTS для арабского языка и отдельные модели от NAMAA-Space и SILMA AI. Модели используют архитектуру flow matching; каждый голос представлен графами ONNX для трансформера, предобработки и декодирования, а также конфигурацией и словарём.

Модели предназначены для синтеза речи по тексту с клонированием голоса в контексте: для генерации нужны короткая эталонная аудиозапись и её расшифровка. Вариант Unified поддерживает управление арабским диалектом. F5-TTS рассчитана на английский, китайский и другие языки; набор Habibi-TTS ориентирован на арабский, включая литературный язык и диалекты. В образцах репозитория приведены результаты проверки разборчивости синтезированной речи.

Лицензия зависит от конкретного голоса: в метаданных репозитория указана CC-BY-NC-4.0 как консервативная общая лицензия, тогда как некоторые варианты Habibi-TTS и SILMA AI распространяются по Apache-2.0, а ряд голосов — по CC-BY-NC-SA-4.0. Перед использованием следует проверить README конкретного чекпойнта; коммерческое использование ограничено для вариантов с лицензиями CC-BY-NC.

Сценарии применения

  • синтез речи по тексту с заданным голосом
  • клонирование голоса по короткой аудиозаписи
  • генерация арабской речи с выбором диалекта
  • создание многоязычной речи на английском и китайском
  • подключение голосового синтеза через phoonnx F5TTSAdapter

Ограничения

Для синтеза необходимы эталонный аудиофрагмент и его транскрипция. Условия лицензии различаются между голосами; для ряда вариантов запрещено коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

phoonnx-f5tts

ONNX exports of F5-TTS / Habibi-TTS flow-matching voices for use with phoonnx's F5TTSAdapter (engine: "f5tts").

Each voice is exported with DakeQQ/F5-TTS-ONNX into three ONNX graphs (model.onnx = transformer, F5_Preprocess.onnx, F5_Decode.onnx) plus a config.json and the model's vocab.txt.

Voices

DirectorySource modelLanguageLicense
f5tts-v1-base/SWivid/F5-TTS — F5TTS_v1_Basemultilingual (EN, ZH, +)CC-BY-NC-4.0 — non-commercial only
habibi-tts-unified/SWivid/Habibi-TTS — UnifiedArabic (all dialects, recommended)CC-BY-NC-SA-4.0 — non-commercial, share-alike
habibi-tts-msa/Habibi-TTS — Specialized/MSAArabic (Modern Standard)Apache-2.0
habibi-tts-egy/Habibi-TTS — Specialized/EGYArabic (Egyptian)Apache-2.0
habibi-tts-sau/Habibi-TTS — Specialized/SAUArabic (Saudi)CC-BY-NC-SA-4.0
habibi-tts-uae/Habibi-TTS — Specialized/UAEArabic (Emirati)CC-BY-NC-SA-4.0
habibi-tts-alg/Habibi-TTS — Specialized/ALGArabic (Algerian)Apache-2.0
habibi-tts-irq/Habibi-TTS — Specialized/IRQArabic (Iraqi)Apache-2.0
habibi-tts-mar/Habibi-TTS — Specialized/MARArabic (Moroccan)Apache-2.0
namaa-saudi-tts-v2/NAMAA-Space/NAMAA-Saudi-TTS-V2 — Habibi-TTS fine-tuneArabic (Saudi/Najdi)CC-BY-NC-SA-4.0 — non-commercial, share-alike
silma-tts-v1/silma-ai/silma-ttsArabic (MSA, full tashkeel) + EnglishApache-2.0

Licensing follows the upstream model cards: f5tts-v1-base is CC-BY-NC-4.0 (attribution: SWivid/F5-TTS); per SWivid/Habibi-TTS (attribution: SWivid/X-LANCE), Unified, SAU and UAE are CC-BY-NC-SA-4.0 (SADA/Mixat restriction) while ALG, EGY, IRQ, MAR and MSA are Apache-2.0; namaa-saudi-tts-v2 is a Habibi-TTS fine-tune by NAMAA-Space and inherits the CC-BY-NC-SA-4.0 restriction from its Habibi/SADA/Mixat base; silma-tts-v1 is an independent pretrain by SILMA AI and is Apache-2.0 (commercial use OK). See each voice's own README.md.

This repo's top-level license: tag (CC-BY-NC-4.0) is the conservative single value required by the Hub's metadata field — it reflects the most restrictive checkpoint. Always check the per-checkpoint table above before using a specific voice commercially; several checkpoints (MSA, EGY, ALG, IRQ, MAR, silma-tts-v1) are Apache-2.0 and do not carry the NC restriction.

The Unified voice supports dialect control via the dialect engine param (UNK/MSA/SAU/UAE/ALG/IRQ/EGY/MAR) — see its README.

Listening samples

The samples/ folder has 2 wavs per voice, all synthesized through the phoonnx adapter, with ASR round-trip intelligibility scores in samples/RESULTS.md (faster-whisper small; all 18 samples pass, CER ≤ 0.16).

Usage

All voices are in-context cloning models — synthesis requires a short reference clip and its transcription alongside the text to speak. See phoonnx's F5-TTS docs for a full example (library-level and the ovos-tts-plugin-phoonnx config).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
acd1a76

0 моделей