TTS：F5-TTS 带有 ConvNeXt V2 的扩散变换器

1，项目简介

F5-TTS 于英文生成领域表现卓越，发音标准程度在本次评测软件中独占鳌头。再者，官方预设的多角色生成模式独具匠心，能够配置多个角色，一次性为多角色、多情绪生成对话式语音，别出心裁。

• 最低配置：无需显卡，CPU亦可推理生成
• 据说耗时是所有TTS中最低的
• 项目地址：https://github.com/SWivid/F5-TTS

2，项目启动

【傻瓜式启动】

conda create -n f5-tts python=3.10
conda activate f5-tts
pip install torch==2.4.0+cu124 torchaudio==2.4.0+cu124 --extra-index-url https://download.pytorch.org/whl/cu124

pip install f5-ttsf5-tts_infer-gradio --port 7860 --host 0.0.0.0

【部署式启动】

• 服务端：socket_server.py
• 客户端：socket_client.py

3，功能支持

 E2/F5 TTS 只能功能：

• F5-TTS（通过流式匹配模仿流利、忠实语音的童话故事机）
• E2 TTS（令人尴尬的简单完全非自回归零样本 TTS）