SWivid/F5-TTS 是一个开源项目，旨在提供一个基于 Diffusion Transformer 和 ConvNeXt V2 架构的文本到语音（TTS）系统，该系统名为 F5-TTS。F5-TTS 的全称是“A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching”，意味着它通过流匹配技术，生成流畅且忠实的语音，如同童话故事中的讲述者一般。以下是对该开源项目的详细介绍：
项目背景与目的
目的：F5-TTS 旨在通过创新的算法和技术，提升文本到语音的转换质量，使得生成的语音更加自然、流畅，并能够忠实反映文本内容。
背景：随着人工智能技术的不断发展，文本到语音技术已经广泛应用于语音助手、智能客服、有声读物等领域。然而，传统的 TTS 系统在语音的自然度和忠实度方面仍存在不足。F5-TTS 通过引入 Diffusion Transformer 和 ConvNeXt V2 等先进技术，试图解决这些问题。
核心技术与架构
Diffusion Transformer：这是一种基于扩散模型（Diffusion Model）的 Transformer 架构，通过逐步去噪的方式生成高质量的语音数据。
ConvNeXt V2：这是一种改进的卷积神经网络架构，用于特征提取和语音合成。
流匹配技术：通过匹配参考音频和生成音频之间的流特征，进一步提升语音的自然度和忠实度。
项目特点
高效训练与推理：F5-TTS 采用了优化的训练策略和推理算法，使得模型能够在较短的时间内完成训练和推理。
多风格与多说话人生成：该项目支持生成不同风格和不同说话人的语音，满足不同场景下的需求。
Gradio 应用：提供了基于 Gradio 的可视化界面，方便用户进行模型训练和推理的交互操作。
安装与使用方法
安装方式：用户可以选择通过 pip 包安装（仅用于推理），或者通过本地可编辑方式安装（用于训练和微调）。
使用方法：提供了 CLI 命令行工具和 Gradio 应用两种方式进行推理。用户可以根据自己的需求选择合适的方式。
训练与评估
训练指导：项目提供了详细的训练与微调指导，帮助用户更好地理解和使用 F5-TTS 模型。
评估方法：通过对比生成的语音与参考音频之间的质量差异，评估模型的性能。
代码结构与文档
代码结构：项目代码结构清晰，分为模型定义、数据处理、训练与推理等多个模块。
文档：提供了详尽的文档和示例代码，帮助用户快速上手和理解项目。
社区与支持
社区：项目在 GitHub 上拥有活跃的社区，用户可以在这里提出问题、分享经验和贡献代码。
支持：项目团队提供了及时的技术支持和解答，帮助用户解决在使用过程中遇到的问题。
致谢与引用
致谢：项目团队对所有贡献者表示感谢，感谢他们的辛勤工作和无私奉献。
引用：如果用户的工作或代码库受益于 F5-TTS 项目，请按照提供的引用格式进行引用。
综上所述，SWivid/F5-TTS 是一个功能强大、易于使用的文本到语音开源项目，通过引入先进的技术和架构，实现了高质量、自然流畅的语音生成。无论是对于研究人员还是开发者来说，都是一个值得关注和尝试的项目。
下面是截图
下面是我随手做的几个演示 你们听下
我放了一些参考音频在audios文件夹里，整合包已经集合了AI环境，我只汉化了界面其他功能未作任何修改增强。官方的模型全部都已经下载好了。
请勿将该工具用于任何非法行为，一切后果自负
v1.14整合包说明
1 未做任何修改，也未汉化
2 第一次运行，一定要执行一次 一定要运行一次.bat
v1.1.7整合包说明
1 支持50系显卡，8g英伟达即可愉快玩耍，安装好显卡能支持的最高cuda版本即可
2 汉化了界面。更方便使用
3 增加了自动保存音频功能，生成的音频会自动保存到output目录下 以日期+随机数命名
4 修正部分小bug
视频演示
后面更新同类软件 大佬可以做下推荐不 比如哪个效果更好。 哈哈 谢谢拉
楼主好，要想使用这个AI语音软件电脑必须有独立显卡吗？
英伟达8G以上吧。如果想生成语音但是没有显卡 可以试试这个 https://www.jian27.com/html/2656.html
第一次下载使用必须把三个压缩包：F5-TTS v1.1.4.rar 、 F5-TTS v1.1.0.rar 、 F5-TTS-1.0.8.rar 都下载下来还是？
你这个脑回路是怎么思考？我很好奇，这是出于什么思维才会问这样的问题的？
只下载了个F5-TTS v1.1.4.rar，解压教程操作，运行不了，怀疑是不是文件没下载全。
运行不了 看看黑色窗口提示什么
大佬点启动以后闪退咋回事啊？点了那个一定要运行一次.bat了，也没有出现红字！
拖到cmd上执行 看看提示什么
启动拖到cmd上，回车运行，什么都没有，页面上就是下面这些内容：
--------更多AI工具，开源免费软件 请前往 https://www.jian27.com--------
请关注我的微信公众号 剑二十七
The system cannot find the path specified.
C:\Users\Administrator>
找不到AI环境了，2个原因，第一个 你解压的文件不全，第二个跟你本机系统安装的python 有冲突
咋样操作啊？把启动那个文件拖到cmd上？
大佬，E2/F5-TTS v1.1.4 这个版本的文件夹解压是不是需要密码啊？解压到50%的时候显示（客户端没有所需的特权），jian27或者jian27.com 这两个密码均已试过还是不行，强行解压之后一打开（启动）软件就闪退，完完全全按照教程来的，还是闪退
管理员身份启动winrar 再解压
WARNING: Ignoring invalid distribution -5-tts (f:\yunpan\jian27\lib\site-packages)
大佬，一直提示这个，黄色字体，更新了CUDA12.4也还是这样，求解！我接下来该怎么操作？
2 第一次运行，一定要执行一次 一定要运行一次.bat
感谢大佬百忙中给我的回复。现在还是出现闪退的问题，一定要运行一次.bat 这个也是按教程一步步操作的。期间360报了一次runw_d.exe的毒，但是已经恢复过了，查看文件也没有少什么东西，但是就是闪退，无法运行。
0s错误：[WinError 126]我不到指定的模块。加载“F:\yunpan\F5-TTS\jian27\1ib\site packages\torch\1ib\fbgem.d1或其依赖项之一时出错。
这个是闪退之前提示的信息，是不是下载的时候少了什么文件？
什么显卡？自行查下是否可以支持Flash-Attention
这个IP地址，是不是我上传了东西都会存到这个服务器里？
不是 这个是你本地的ip地址
不知道是不是设置的不对，音色差距很大，机器人的尖锐声比较多，对比了一下noiz的AI配音，这个软件失真太大
仔细看视频 你看我的演示尖锐声吗？
有，话尾有电流声，类似机器人的声音
为什么我没听到？
大佬可以更新一下训练模式吗
记录下 下次官方更新一起更新
点击（必须运行一次）后，没有报红，然后运行（启动），网页弹出来后， CMD窗口显示完找不到模块后就闪退，
OSError: [WinError 126]找不到指的模块。DSError: [WinError 126]找不到指的模块。Error 1oading "H: BaiduNetdiskDownload\F5-TTS v1. 1.4\jian27\1ib\site-packages\torch\1ib\fbgemm.dll”or one of its dependencies.
安装好cuda12.4
大佬怎么开启训练模式呀？
我没去弄
DSError: [WinError 126]找不到指的模块。Error 1oading "H: BaiduNetdiskDownload\F5-TTS v1. 1.4\jian27\1ib\site-packages\torch\1ib\fbgemm.dll”or one of its dependencies.
仔细看说明
三个，用哪一个啊 ，大哥
你看看标题
三个版本都用了闪退是不是我电脑设置有问题
下载不了
文件太大，还在上传