SWivid/F5-TTS

核心功能

F5-TTS 模型

基于扩散 Transformer 和 ConvNeXt V2，提供更快的训练和推理性能。

来源：据 README 描述

E2 TTS 模型

Flat-UNet Transformer 模型，提供与论文最接近的复现。

来源：据 README 描述

Sway Sampling

推理时的流步骤采样策略，显著提高性能。

来源：据 README 描述

代码结构包括 .github 工作流程、Dockerfile、LICENSE、README.md、数据目录、源代码目录等。

来源：代码目录结构

key_deps: torch, torchaudio | language: Python | framework: PyTorch

来源：据 README 描述

创建 conda 环境并安装 FFmpeg，然后安装 PyTorch，最后可以选择安装为 pip 包或本地可编辑版本。

来源：据 README 描述

适用于语音合成、语音转换等场景。

来源：据 README 描述