只須給十秒鐘的聲音樣本，F5-TTS 完美實現仿真人情境的語音

發布時間：

F5-TTS是上海交通大學推出的，一款高效能文字轉語音工具，F5-TTS 整合包適合電腦有裝N卡的人使用，沒有任何限制處理速度也很快，沒有裝顯示卡的人雖然也可以用，不過速度會慢很多

如果是使用整合包，F5-TTS 的位置建議直接放在 D 磁碟，如 D:\F5-TTS 以確保路徑沒有中文，首次啟動會先下載和載入模型，可能需要3-4分鐘，請耐心等待，啟動時開啟的 DOS 視窗在 TTS 執行中都不能關閉，啟動完成後複製網址 http://127.0.0.1:7860/ ，或直接在瀏覽器的網址列輸入 http://127.0.0.1:7860/

沒有裝顯示卡的人，建議使用Hugging Face提供的線上 F5-TTS，不需要註冊也可以使用，不過使用次數會比有註冊者少很多，註冊 並 登入 後還可使用 Hugging Face 的其他 AI 功能

完整整合包百度下載(14.98G)

新版整合包百度下載(10G)【解決語音底噪和吞字問題,優化推理穩定性】

普通整合包MEGA下載(4.19G)(需要自行安裝 FFMPEG)(【FFmpeg 下載與安裝教學】

因為我的電腦只有 CPU，若使用整合包效率太低，所以這篇教學就以Hugging Face 的線上 F5-TTS 為例給大家介紹，這個工具支援 F5 和 E2 兩個 TTS 模型，主要區別在於 F5 產生語音的時間更短，但是聲音還原度沒那麼高，而 E2 產生的聲音更逼真，導致生成速度就更慢一點，雖有細微差別但不明顯，支援英文和中文兩種語言合成，並且支援中英兩種語言之間無縫切換，參考音頻不要超過 15 秒效果比較好， F5-TTS 較重要的功能有長文字合成語音和多情境語音的合成，其他如:語音對話、Podcast的播客功能，就不多作介紹了。

1、F5 和 E2 兩個 TTS 模型差別但不明顯，建議直接使用 F5 即可，當然你也可以試試 E2
2、【Basic-TTS】用來生成單人的語音，支援英文和中文兩種語言合成，並且支援中英兩種語言之間無縫切換，【Multi-Speech】用來做多角色多情感的多人對話
3、在【Reference Audio】上傳一段不超過 15 秒乾淨的參考音頻，F5-TTS 將模仿此音頻的語調、音色與情感
4、【Text to Generate】就是要生成語音的文字，可以一段一行或一句一行，簡體或繁體都可以，但要注意的是某些字兩岸的讀法是有出入的，例如:因為可能讀成因微，坐著可能讀成坐住，行(ㄏㄤˊ)可能讀成行(ㄒㄧㄥˊ)，還有很多，另外，台灣人也不太習慣捲舌，如果你在意，應該先行修正
5、【Synthesize】如果所有設定都沒問題，就按這裡開始合成語音
6、點開【Advanced Settings】後，有個【Reference Text】的文字欄位，預設不需輸入，系統會自動擷取你在【Reference Audio】上傳的參考音頻內容，但是該音頻若有其他雜音，可能導致生成後的語音不理想，除非你確定音頻乾淨，否則請輸入參考音頻的文字內容，這樣生成後的語音會比較完美，【Speed】可以調整說話速度，預設是1，數字越大速度越快，通常保持預設即可
7、【Synthesized Audio】合成的速度大約15~20秒，真的很快，完成後就可以試聽，不滿意就重來，根據這段時間的使用，只要參考音頻符合你的要求，口音也修正了，剩下的大概只是用【剪映】修正斷句問題了，最後記得點擊右側的【下載】圖示將語音匯出

剪裁上傳的參考音頻

有時候上傳的參考音頻過長，你可以參考下圖直接在 F5-TTS 進行剪裁

以上只是針對【Basic-TTS】生成單人語音的操作，至於【Multi-Speech】多角色多情感的多人對話使用方法，我認為需要多蒐集一些不同角色不同情境的參考語音...

參考語音

人的這一生很短，沒有必要和生活過於計較，有些事弄不懂就不去懂，有些人猜不透就不去猜，有些道理想不通就不去想

合成後語音

民國五十三年，九年國民教育尚未實施，當時的孩子國小畢業後，若想繼續升學，只能透過考試一途，碧玉、就是生長在這樣一個時代下的富家千金，乖巧、懂事的她，在校成績十分優異，考上初中絕對不成問題。沒想到，就在快要升上小六時，碧玉家裡突遭變故，從此陷入了貧困又坎科的生活裡。

留言

張貼留言

歡迎留言

這個網誌中的熱門文章

文字轉語音工具 F5 TTS 升級版免費免登入無限制使用極速克隆生成帶情感的真人語音

發布時間：
圖片
強烈建議使用 Huggingface 的線上 F5-TTS 因為線上的 F5-TTS 速度快，不需要註冊 不消耗過多硬體資源 哪怕硬體再爛都能使用 不需自行維護 Bug 與功能升級 生成的速度超快 如何能一直免費使用的方法 視頻後面會告訴你 如何判斷浮動IP? 1、一般的ADSL連線除非有申請固定 IP，否則預設都是浮動 IP 2、你可以訪問 https://we-shop.net/ip.php 你的IP是:123.123.123.0~255，4組數字就是你目前的 IP 3、先中斷連線等約10~15秒再重新連線 4、再訪問 https://we-shop.net/ip.php，如果 IP 和之前不同，即可確定為浮動 IP 5、有時 ISP 會因沒有閒置的浮動 IP 而無法更換，如果重新連線多次，IP 都一樣的話，即可確定為固定 IP HuggingFace 開源的 AI 倉庫 F5-TTS 文字轉語音工具 V2 線上版 F5-TTS 文字轉語音工具 V2 一鍵整合包 Google 下載
繼續閱讀 »

世界第一個 100% 免費 無需登入 無限制生成令人驚艷的 AI 圖片產生器 Raphael AI

發布時間：
圖片
Raphael AI 是世界上第一個完全免費 無限的 AI 圖片產生器 由 FLUX.1-Dev 模型提供支援 它允許您從文字描述建立高品質的圖片 無需任何註冊或使用限制 您可以建立各式各樣的圖片 包括照片寫實場景、藝術插圖、數位藝術、動漫風格圖片等等 FLUX.1-Dev 模型擅長理解複雜的提示並生成多樣化的視覺風格 使用 Raphael AI 生成的圖片 可以使用於個人和商業目的 非常適合創作者和企業 無限制免費 AI 圖片產生器
繼續閱讀 »

10組各式場景美女圖提示詞

發布時間：
圖片
提示詞符合Stable Diffusion產生規範。 提示詞 1：熱帶海灘 / Tropical Beach 中文: 一位年輕女性穿著紅色比基尼，站在熱帶海灘上，背景是清澈的 turquoise 海水和棕櫚樹，陽光灑在沙灘上，海浪輕輕拍打，細節豐富，比例，姿態優雅迷人。 英文: A young woman in a red bikini standing on a tropical beach, with clear turquoise seawater and palm trees in the background, sunlight on the sand, gentle waves, highly detailed, ratio, elegant and charming pose. 提示詞 2：泳池派對 / Pool Party 中文: 一位美女穿著藍色比基尼，靠在豪華泳池邊，背景是現代別墅與熱帶植物，水面反射陽光，細節逼真，比例，姿勢性感且自然。 英文: A beautiful woman in a blue bikini leaning by a luxurious pool, with a modern villa and tropical plants in the background, water reflecting sunlight, highly realistic details, ratio, sexy and natural pose. 提示詞 3：日落懸崖 / Sunset Cliff 中文: 一位女性穿著白色比基尼，站在海邊懸崖上，背景是絢麗的橙紅色日落和廣闊海洋，風吹動她的頭髮，細節精緻，比例，姿態自信迷人。 英文: A woman in a white bikini standing on a seaside cliff, with a vibrant orange-red sunset and vast ocean in the background, wind blowi...
繼續閱讀 »

Gemini 2.5 Flash Image (Nano Banana ) 除了生圖之外圖像編輯的六大主要修圖功能 怎麼樣寫提示詞才能精準控制角色轉動的角度

發布時間：
圖片
通用的 AI 中文提示詞結構範本: 【主體】一位 / 一群 ________（人物/動物/物品） 【外觀與特徵】具有 ________（外貌、服裝、細節特徵） 【動作 / 姿態】正在 ________（動作或姿勢） 【場景 / 背景】背景是 ________（地點/環境/氛圍描述） 【氛圍 / 情感】整體氛圍呈現 ________（溫暖/神秘/夢幻/嚴肅…） 【色彩與光影】畫面色調以 ________（主色系）為主，光線效果為 ________（柔光/強烈對比/夕陽…） 【風格】使用 ________（寫實攝影/動漫插畫/油畫/3D渲染…）風格 【技術細節】構圖為 ________（全身/半身/特寫），比例 ________（16:9 / 1:1 / 3:4），視角 ________（正面/俯視/仰視…） 🎨 範例填寫： 【主體】一位年輕的東方女性 【外觀與特徵】膚色白皙，長直黑髮，穿著藍色連衣裙 【動作 / 姿態】坐在桌前閱讀一本書 【場景 / 背景】背景是咖啡館，窗外下著小雨 【氛圍 / 情感】整體氛圍安靜而溫暖 【色彩與光影】畫面色調以米白與粉色為主，光線從窗外柔和灑入 【風格】寫實攝影風格 【技術細節】半身照，16:9 橫幅，正面視角 👉 最終完整提示詞： 「一位年輕的東方女性，膚色白皙，長直黑髮，穿著藍色連衣裙，坐在桌前閱讀一本書。背景是咖啡館，窗外下著小雨，整體氛圍安靜而溫暖。畫面色調以米白與粉色為主，光線從窗外柔和灑入，採用寫實攝影風格。半身照，16:9 橫幅，正面視角。」 視角控制參考表 Google AI Studio（ Gemini 2.5 Flash Image ） Google Gemini（ Gemini 2.5 Flash Image ） 1~9 美女圖中文提示詞： 1、讓這個人穿著米色雨衣站在人行道上，用 35mm 鏡頭、f/2.8 光圈，從低位側角度拍攝。她的側臉以濕滑路面上模糊的霓虹倒影為背景，表情平靜專注，肌膚呈現毛孔、細紋與細微瑕疵。 2、讓這個人坐在水泥階梯上，身穿藍色牛仔外套與黑色裙子，手肘支撐身體後仰，一條膝蓋抬起。用 50mm 鏡頭、f/2.2 光圈，稍微高角度拍攝。她面帶淡淡微笑，肌膚帶有真實的毛孔與瑕疵質感。 3、讓這個人身穿淺灰色連帽衫與深色牛仔褲...
繼續閱讀 »

OpenAI GPT-4O mini TTS 文字轉語音工具、台灣口音、超過 50+ 語言、流式推理、快速穩定、免費、免登錄、無限使用

發布時間：
圖片
Supported languages(支援語言)： Afrikaans, Arabic, Armenian, Azerbaijani, Belarusian, Bosnian, Bulgarian, Catalan, Chinese, Croatian, Czech, Danish, Dutch, English, Estonian, Finnish, French, Galician, German, Greek, Hebrew, Hindi, Hungarian, Icelandic, Indonesian, Italian, Japanese, Kannada, Kazakh, Korean, Latvian, Lithuanian, Macedonian, Malay, Marathi, Maori, Nepali, Norwegian, Persian, Polish, Portuguese, Romanian, Russian, Serbian, Slovak, Slovenian, Spanish, Swahili, Swedish, Tagalog, Tamil, Thai, Turkish, Ukrainian, Urdu, Vietnamese, and Welsh. GPT-4O mini TTS 內建音色風格對照表 聲音名稱 推測性別 年齡感 語音風格特點 Alloy 男性 青壯年（25–35） 穩定中性、敘述用廣泛 Ash 中性偏男性 青壯年（25–35） 較冷靜、略偏數位感 Ballad 男性 成熟（35–50） 溫柔、低沉、像講故事 Coral 女性 青年（20–30） 清晰明亮，偏活潑自然 Echo 女性 青年（20–30） 朝氣、清脆、適合歡快語氣 Fable 女性 青年（20–30） 柔和、有故事感，像說童話 Onyx 男性 青壯年（30–40） 深沉穩重、有磁性，像播音員 Nova 女性 青年（20–30） 最中性自然、用處廣、清晰穩定 Sage 男性 成熟（35–50） 冷靜穩重，聲線深厚，有智者感 Shim...
繼續閱讀 »