README.md

metadata

title: F5-TTS-THAI
app_file: app.py
sdk: gradio
sdk_version: 5.38.0

F5-TTS: A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching. Support For Thai language.

Text-to-Speech (TTS) ภาษาไทย — เครื่องมือสร้างเสียงพูดจากข้อความด้วยเทคนิค Flow Matching ด้วยโมเดล F5-TTS

โมเดล Finetune : VIZINTZOR/F5-TTS-THAI

• โมเดล last steps : 1,000,000
• การอ่านข้อความยาวๆ หรือบางคำ ยังไม่ถูกต้อง

การติดตั้ง

ก่อนเริ่มใช้งาน ต้องติดตั้ง:

• Python (แนะนำเวอร์ชัน 3.10 ขึ้นไป)
• CUDA แนะนำ CUDA version 11.8

git clone https://github.com/VYNCX/F5-TTS-THAI.git
cd F5-TTS-THAI
python -m venv venv
call venv/scripts/activate
pip install git+https://github.com/VYNCX/F5-TTS-THAI.git

#จำเป็นต้องติดตั้งเพื่อใช้งานได้มีประสิทธิภาพกับ GPU
pip install torch==2.3.0+cu118 torchaudio==2.3.0+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

หรือ รันไฟล์ install.bat เพื่อติดตั้ง

การใช้งาน

สามารถรันไฟล์ app-webui.bat เพื่อใช้งานได้

  python src/f5_tts/f5_tts_webui.py

หรือ

  f5-tts_webui

ใช้งานบน Google Colab

คำแนะนำ :

• สามารถตั้งค่า "ตัวอักษรสูงสุดต่อส่วน" หรือ max_chars เพื่อลดความผิดพลาดการอ่าน แต่ความเร็วในการสร้างจะช้าลง สามารถปรับลด NFE Step เพื่อเพิ่มความเร็วได้.

• อย่าลืมเว้นวรรคประโยคเพื่อให้สามารถแบ่งส่วนในการสร้างได้.

• สำหรับ ref_text หรือ ข้อความตันฉบับ แนะนำให้ใช้เป็นภาษาไทยหรือคำอ่านภาษาไทยสำหรับเสียงภาษาอื่น เพื่อให้การอ่านภาษาไทยดีขึ้น เช่น Good Morning > กู้ดมอร์นิ่ง.

• สำหรับเสียงต้นแบบ ควรใช้ความยาวไม่เกิน 10 วินาที ถ้าเป็นไปได้ห้ามมีเสียงรบกวน.

• สามารถปรับลดความเร็ว เพื่อให้การอ่านคำดีขึ้นได้ เช่น ความเร็ว 0.8-0.9 เพื่อลดการอ่านผิดหรือคำขาดหาย แต่ลดมากไปอาจมีเสียงต้นฉบับแทรกเข้ามา.

  ตัวอย่าง WebUI

  • Text To Speech

  • Multi Speech

ฝึกอบรม และ Finetune

ใช้งานบน Google Colab Finetune หรือ

ติดตั้ง

  cd F5-TTS-THAI
  pip install -e .

เปิด Gradio

  f5-tts_finetune-gradio

ตัวอย่างเสียง

• เสียงต้นฉบับ
• ข้อความ : ได้รับข่าวคราวของเราที่จะหาที่มันเป็นไปที่จะจัดขึ้น.

https://github.com/user-attachments/assets/003c8a54-6f75-4456-907d-d28897e4c393

• เสียงที่สร้าง 1(ข้อความเดียวกัน)
• ข้อความ : ได้รับข่าวคราวของเราที่จะหาที่มันเป็นไปที่จะจัดขึ้น.

https://github.com/user-attachments/assets/926829f2-8d56-4f0f-8e2e-d73cfcecc511

• เสียงที่สร้าง 2(ข้อความใหม่)
• ข้อความ : ฉันชอบฟังเพลงขณะขับรถ เพราะช่วยให้รู้สึกผ่อนคลาย

https://github.com/user-attachments/assets/06d6e94b-5f83-4d69-99d1-ad19caa9792b

อ้างอิง

• F5-TTS