f5-tts

name	f5-tts
description	F5-TTS — modelo de texto-a-voz de alta calidad con zero-shot cloning y sin necesidad de fine-tuning.
category	media

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

# 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

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