F5-TTS · 极简架构零样本 TTS

F5-TTS 出自 ICML 论文作者，用流匹配（Flow Matching）+ DiT 架构实现零样本语音克隆，训练代码极短、复现门槛低，社区魔改版本众多（中文优化、加速推理），是学习现代 TTS 原理的最佳开源样本之一。

能做什么

• 3~10 秒参考音频零样本克隆，中英双语
• E2-TTS/F5 双模型可选，推理脚本简洁
• 训练/评估代码规模小，适合二次开发与学术改进

怎么部署

pip 安装带 Gradio 演示；也可在 ComfyUI 节点直接调用。产品化替代看 CosyVoice。

适合谁

想改 TTS 模型本身的研究者与喜欢清爽代码的开发者。