项目 ◆ 沧海遗珠
F5-TTS
SWivid/F5-TTS · Python · MIT
又快又自然的零样本语音合成
F5-TTS 在本地克隆音色的演示里很吃香：效果好、速度尚可、MIT 协议友好。
70 / 100 · 评分
★ 15k Star 数
+22 30 天增长
15 分钟 首次运行耗时
无需 API Key
评分
趋势 37
活跃 75
质量 65
社区 58
相关 100
上手成本一览
部署方式Cli, Web
GPU4 GB
API Key无需
界面语言en
文档语言en
安装命令
pip install f5-tts 深度解读
F5-TTS 是一个零样本文本转语音系统：一段短参考音频即可克隆嗓音——无需按说话人微调——背后是主要用 Emilia 数据集训练的流匹配模型。
v1 基础模型（2025 年 3 月）带来了更好的训练与推理代码，同家族还有 E2 TTS 基础模型；权重发布在 Hugging Face、ModelScope 和 WiseModel，镜像任选。
它以 Gradio WebUI、CLI 和 Docker 镜像三种形态运行，更新博客跟踪发布，论文解释流匹配方法。
适用场景
短参考音频克隆音色
视频旁白
角色配音
适合 / 不太适合
适合
需要快速出声音 demo 的创作者
不太适合
要极小流式模型的通话场景