f5 tts swiftダウンロードf5 tts swiftソースコードダウンロード

f5 tts swift

AI ソースコード

0.0.6

ダウンロード

迅速なF5 TTS

MLX Swiftフレームワークを使用して、SwiftでのF5-TTの実装。

ここでは、M3 Max MacBook Proで約11秒で生成されたサンプルを聴くことができます。

モデルアーキテクチャの詳細については、Pythonリポジトリを参照してください。

このリポジトリは、ここで入手可能な元のPytorchの実装に基づいています。

インストール

F5TTS Swiftパッケージは、XcodeまたはSwiftPMから構築および実行できます。

事前に守られたモデルは、Huggingfaceで利用できます。

使用法

import F5TTS

let f5tts = try await F5TTS . fromPretrained ( repoId : " lucasnewman/f5-tts-mlx " )

let generatedAudio = try await f5tts . generate ( text : " The quick brown fox jumped over the lazy dog. " )

その結果、24kHzのオーディオサンプルを備えたMLXARRAYができました。

独自のリファレンスオーディオサンプルを使用する場合は、5〜10秒ほどのモノ、24kHz WAVファイルであることを確認してください。

 let generatedAudio = try await f5tts . generate (
    text : " The quick brown fox jumped over the lazy dog. " ,
    referenceAudioURL : ... ,
    referenceAudioText : " This is the caption for the reference audio. "
)

このようなFFMPEGを使用して、オーディオファイルを正しい形式に変換できます。

ffmpeg -i /path/to/audio.wav -ac 1 -ar 24000 -sample_fmt s16 -t 10 /path/to/output_audio.wav

感謝

F5 TTSおよび前提条件モデルの元のPytorch実装のためのYushen Chen。

このモデルが基づいているE2 TTS実装のPhil Wang。

引用

 @article { chen-etal-2024-f5tts ,
      title = { F5-TTS: A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching } , 
      author = { Yushen Chen and Zhikang Niu and Ziyang Ma and Keqi Deng and Chunhui Wang and Jian Zhao and Kai Yu and Xie Chen } ,
      journal = { arXiv preprint arXiv:2410.06885 } ,
      year = { 2024 } ,
}

 @inproceedings { Eskimez2024E2TE ,
    title   = { E2 TTS: Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS } ,
    author  = { Sefik Emre Eskimez and Xiaofei Wang and Manthan Thakker and Canrun Li and Chung-Hsien Tsai and Zhen Xiao and Hemin Yang and Zirun Zhu and Min Tang and Xu Tan and Yanqing Liu and Sheng Zhao and Naoyuki Kanda } ,
    year    = { 2024 } ,
    url     = { https://api.semanticscholar.org/CorpusID:270738197 }
}