type
status
date
slug
summary
tags
category
icon
password
F5-TTS的声音克隆项目，它是上海交通大学推出的一款高性能文本到语音系统，克隆的声音效果确实很炸裂。
支持两个TTS模型的。一个是F5-TTS, 另一个是E2-TTS，他们主要区别是F5生成音频的时间更快，但是声音还原度没那么高，而E2-TTS生成的声音更逼真，那么必然导致生成速度就更慢一点了。
📝 小试牛刀
打开 huggingface 模型页面的地址以后，上传需要克隆的声音。
比如下面这一段：
然后点击
Advanced Settings 展开设置，填入这段声音的参考文本：晚了，前几任县长把鹅城的税收到九十年以后了，也就是他妈的西历二零一零年了，咱们来错地方了。
接着填入自己想要生成的话：
坏了，咱爹妈欠的房贷，都要环到三十年以后了，也就是他妈的西历二零五四年，咱们投胎投错地方了。
稍微等一会，最下方会显示合成出来的语音：
最后合成出来的效果：
有关 AI 克隆声音使用上的问题，欢迎您在我的频道评论区留言，一起交流~
- 作者:阿杰鲁
- 链接:http://blog.zaunist.com/article/1607d549-6f33-8026-b031-c11bb8d18e3d
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
