F5-TTS：音频生成器 — 功能与运行要求

F5-TTS — 这是一个开源的语音生成器，能将文本转换为声音。项目由开发者 SWivid 创建，以代码和现成模型权重形式发布。核心功能是 text-to-speech，即根据书面文本合成语音。

功能

作者将项目描述为「F5-TTS: A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching」的官方代码。这是开发者的声明，而非独立测量的结果。模型可在 Hugging Face 的仓库中获取，科学描述已发布在 arxiv.org 上。

参数表中未注明支持的语言、合成质量、生成速度或文本长度限制。作者未提供这些数据。

运行要求

代码以 Python 编写，采用 MIT 许可证发布。模型权重按 cc-by-nc-4.0 许可证分发——这仅允许非商业用途。

最大的权重文件占用 1.3 GB，所有文件合计 3.8 GB。运行需要 f5-tts 库。

据作者描述，平台为 ROCm。描述中明确写道：「ROCm 7.x — these architectures (gfx1151/gfx1201) are not included in ROCm 6.x」。这意味着对于所列架构需要 ROCm 7.x 版本，而非 6.x。参数表中没有其他硬件或操作系统要求。

最新版本为 1.1.22。仓库创建于 2024 年 10 月 8 日，代码最后更新于 2026 年 7 月 23 日。

适合谁

该项目适合那些寻找具有可用权重的开源语音生成器，并愿意使用 Python 代码的人。代码的 MIT 许可证允许将解决方案集成到自己的项目中，而 Hugging Face 上的仓库和模型便于快速上手。

权重的非商业许可证限制了应用范围：未经权利持有人单独许可，不得在付费产品或服务中使用该模型。此外，该项目可能不适合那些不愿处理 ROCm 和 GPU 架构的人——作者未注明对其他平台的支持。

F5-TTS 是一个带有现成权重的开源语音合成代码库。项目持续发展，拥有公开仓库和科学描述。如果环境符合 ROCm 要求，适合用于实验和非商业任务。