f5-tts

# F5-TTS — Text-to-Speech de Nueva Generación ## Qué es F5-TTS es un modelo TTS (Text-to-Speech) que ofrece: - **Zero-shot cloning** — clonar voz con 3-10 segundos de referencia - **Alta calidad** — audio natural comparable a modelos comerciales - **Inference rápida** — más rápido que modelos anteriores - **Multi-idioma** — soporte para inglés, chino y más ## Instalación ```bash # Clonar y instalar git clone https://github.com/SWivid/F5-TTS.git cd F5-TTS pip install -e . # Descargar modelos pre-entrenados # https://huggingface.co/SWivid/F5-TTS ``` ## Uso básico ```python from f5_tts.infer.api import synthesize # Sintetizar con referencia de voz synthesize( text="Hola, esto es una prueba de F5-TTS", ref_audio="reference.wav", ref_text="texto de la referencia", output_path="output.wav" ) ``` ## Casos de uso - **Narración automática** — generar voz para videos, podcasts - **Doblaje** — mantener voz consistente en traducciones - **Accesibilidad** — TTS personalizado para contenido ## Pitfalls - Requiere GPU para inference rápida (pero corre en CPU) - La calidad del cloning depende de la muestra de referencia - Modelos grandes (~2GB cada uno) - Requiere Python 3.10+ ## Referencias - Repo: `github.com/SWivid/F5-TTS` (14K⭐) - HuggingFace: `https://huggingface.co/SWivid/F5-TTS`