F5-TTS — модель для синтеза речи по тексту, доступная в нескольких вариантах чекпойнтов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
F5-TTS — модель синтеза речи из текста, представленная в репозитории SWivid/F5-TTS. Карточка связывает её с работой «F5-TTS: A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching»; метаданные указывают библиотеку f5-tts и веса в форматах PyTorch и Safetensors.
Модель предназначена для преобразования текста в речь. В README перечислены варианты чекпойнтов F5TTS_v1_Base, F5TTS_Base и E2TTS_Base. В качестве датасета в метаданных указан Emilia.
Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка содержит мало сведений о поддерживаемых языках, параметрах модели и качестве синтеза, поэтому эти характеристики здесь не уточняются.
Лицензия CC BY-NC 4.0 не разрешает коммерческое использование. В предоставленных материалах нет данных о поддерживаемых языках и параметрах модели.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Download F5-TTS or E2 TTS and place under ckpts/
ckpts/
F5TTS_v1_Base/
model_1250000.safetensors
F5TTS_Base/
model_1200000.safetensors
E2TTS_Base/
model_1200000.safetensors
Github: https://github.com/SWivid/F5-TTS
Paper: F5-TTS: A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · f5-tts
В репозитории нет config.json: не понять архитектуру модели.