Misha24-10

/

F5-TTS_RUSSIAN

like 113

Делаю репост с 4pda куда изначально её выложил.

Портативку сделал путем переделки портативки Fish-Speech другого автора, но вроде всё прекрасно работает.

Саму портативку берём здесь:
https://drive.google.com/file/d/1B0WozqqaH6NVSBWuqcSIf2Nm6ZC0kWPE/view?usp=sharing

Нужно также скачать ffmpeg (например тут https://www.gyan.dev/ffmpeg/builds/packages/ffmpeg-8.0-full_build.7z) и скопировать ffmpeg.exe в папку C:\Windows.
Распаковываем и запускаем Start.cmd. При первом запуске она будет долго скачивать модели, я уже подставил в коде скрипта русскую модель (https://huggingface.co/Misha24-10/F5-TTS_RUSSIAN/blob/main/F5TTS_v1_Base_v2/model_last_inference.safetensors), так что она сама скачает то что нужно. Также при первой генерации она будет скачивать модель Whisper имейте это в виду. Также обращаю внимания что F5-TTS со всеми скачанными файлами будет занимать около 18 Гб.

У кого карта 50хх прочтите дополнение:
Запускаете command line.cmd. Выполняете по очереди команды.

pip uninstall torch torchvision torchaudio xformers audio-separator -y
python -m pip install torch==2.7.0+cu128 torchvision==0.19.0+cu128 torchaudio==2.7.0+cu128 xformers audio-separator --index-url https://download.pytorch.org/whl/cu128 --extra-index-url https://pypi.org/simple

или переименуйте "Start update PyTorch.cmd.tmp" в "Start update PyTorch.cmd". Отредактируйте его в блокноте, заменив команды pip uninstall и pip install на ту что я выше написал. После этого запустите.

Как пользоваться:

1. В директории с F5-TTS я закинул Демагог со словарями которые я подправил под F5-TTS
   Краткая инструкция в картинках:

Соответственно вставляем сначала текст в Демагог и получаем текст с ударениями. Ударения здесь через знак + перед ударной гласной.
Свои слова в Демагог добавляем в словарь 35_мой словарь.dic, дважды щелкните по нему в Демагог и он откроется в отдельной вкладке для редактирования (отредактировав не забудьте нажать иконку дискеты для сохранения).
Если вы хотите делать замену без учета окончаний то в левой части от знака равно вы добавляете *, а в правой части вы просто упускаете окончание. Пример:

Лондон*=Л+ондон

Такой шаблон будет менять Л+ондоне, Л+ондана и т.д.

2. Запускаем Start.cmd и ждем запуска F5-TTS. Модель используем указанную по умолчанию F5-TTS_v1, т.к. она заменена на русскую.

3. Указываем голос образец. Желательно в формате wav, PCM, 44100. Важно: длина не более 12 секунд.
   Пару образцов я закинул в папку Examples

4. Вставляете текст с проставленными в Демагоге ударениями и жмёте Synthesize.
   Как я писал выше при первой генерации будут выкачиваться еще одна модель на 1,3 Гб. В последующих она будет стартовать сразу же.

Замеченная проблема. F5-TTS иногда съедает последнее слово в генерируемом тексте. Чтобы этого избежать с новой строки напишите в конце текста многоточие:

...