上海交通大学开源了一个非常牛批的语音生成模型 F5-TTS。
刚好这几天AI音频和播客火爆，这下瞌睡送枕头了。
模型特点有：
零样本 (Zero-shot) 声音克隆
速度控制（基于总时长）
可以控制合成语音的情感表现
长文本合成
支持中文和英文多语言合成
在 10 万小时数据上训练
最重要的是支持商用
论文：https://arxiv.org/abs/2410.06885
模型下载：https://huggingface.co/SWivid/F5-TTS
演示Demo：https://huggingface.co/spaces/mrfakename/E2-F5-TTS
项目地址：https://github.com/SWivid/F5-TTS
刚好这几天AI音频和播客火爆，这下瞌睡送枕头了。
模型特点有：
零样本 (Zero-shot) 声音克隆
速度控制（基于总时长）
可以控制合成语音的情感表现
长文本合成
支持中文和英文多语言合成
在 10 万小时数据上训练
最重要的是支持商用
论文：https://arxiv.org/abs/2410.06885
模型下载：https://huggingface.co/SWivid/F5-TTS
演示Demo：https://huggingface.co/spaces/mrfakename/E2-F5-TTS
项目地址：https://github.com/SWivid/F5-TTS
