> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-ru/audio-i-golos/f5-tts.md).

# F5-TTS

Генерируйте естественную речь с F5-TTS — быстрой и плавной TTS-системой.

{% hint style="success" %}
Все примеры можно запускать на GPU-серверах, арендованных через [маркетплейс CLORE.AI](https://clore.ai/marketplace).
{% endhint %}

## Аренда на CLORE.AI

1. Перейдите на [маркетплейс CLORE.AI](https://clore.ai/marketplace)
2. Отфильтруйте по типу GPU, объёму VRAM и цене
3. Выберите **On-Demand** (фиксированная ставка) или **Spot** (цена ставки)
4. Настройте свой заказ:
   * Выберите Docker-образ
   * Установите порты (TCP для SSH, HTTP для веб-интерфейсов)
   * При необходимости добавьте переменные окружения
   * Введите команду запуска
5. Выберите способ оплаты: **CLORE**, **BTC**, или **USDT/USDC**
6. Создайте заказ и дождитесь развертывания

### Получите доступ к своему серверу

* Найдите данные для подключения в **Мои заказы**
* Веб-интерфейсы: используйте URL HTTP-порта
* SSH: `ssh -p <port> root@<proxy-address>`

## Что такое F5-TTS?

F5-TTS предлагает:

* Быстрое выполнение (быстрее реального времени)
* Естественная просодия и интонация
* Клонирование голоса без обучения
* Поддержка нескольких языков

## Ресурсы

* **GitHub:** [SWivid/F5-TTS](https://github.com/SWivid/F5-TTS)
* **HuggingFace:** [SWivid/F5-TTS](https://huggingface.co/SWivid/F5-TTS)
* **Статья:** [Статья о F5-TTS](https://arxiv.org/abs/2410.06885)
* **Демо:** [HuggingFace Space](https://huggingface.co/spaces/mrfakename/E2-F5-TTS)

## Рекомендуемое оборудование

| Компонент | Минимум       | Рекомендуется | Оптимально    |
| --------- | ------------- | ------------- | ------------- |
| GPU       | RTX 3060 12GB | RTX 4080 16GB | RTX 4090 24GB |
| VRAM      | 6 ГБ          | 12GB          | 16GB          |
| CPU       | 4 ядра        | 8 ядер        | 16 ядер       |
| ОЗУ       | 16GB          | 32GB          | 64GB          |
| Хранилище | 20 ГБ SSD     | 50GB NVMe     | 100GB NVMe    |
| Интернет  | 100 Мбит/с    | 500 Мбит/с    | 1 Гбит/с      |

## Быстрое развертывание на CLORE.AI

**Docker-образ:**

```
pytorch/pytorch:2.11.0-cuda12.8-cudnn9-runtime
```

**Порты:**

```
22/tcp
7860/http
```

**Команда:**

```bash
pip install f5-tts && \\
f5-tts-webui
```

## Доступ к вашему сервису

После развертывания найдите свой `http_pub` URL в **Мои заказы**:

1. Перейдите на **Мои заказы** страницу
2. Нажмите на свой заказ
3. Найдите `http_pub` URL (например, `abc123.clorecloud.net`)

Используйте `https://YOUR_HTTP_PUB_URL` вместо `localhost` в примерах ниже.

## Установка

```bash
pip install f5-tts

# Или из исходников
git clone https://github.com/SWivid/F5-TTS.git
cd F5-TTS
pip install -e .
```

## Что вы можете создать

### Озвучивание контента

* Производство подкастов
* Озвучка аудиокниг
* Закадровый голос для видео

### Доступность

* Экранные дикторы
* Читатели документов
* Учебные материалы

### Интерактивные приложения

* Голосовые помощники
* NPC в играх
* Боты службы поддержки

### Творческие проекты

* Голоса персонажей
* Аудиодрамы
* Вокал для музыки

## Базовое использование

### Простой TTS

```python
from f5_tts import F5TTS

# Инициализация
tts = F5TTS(device="cuda")

# Сгенерировать речь
audio = tts.generate(
    text="Привет! Это F5-TTS генерирует естественную речь.",
    output_path="output.wav"
)
```

### Клонирование голоса

```python
from f5_tts import F5TTS

tts = F5TTS(device="cuda")

# Клонируйте голос по эталонному аудио
audio = tts.generate(
    text="Это мой клонированный голос, произносящий новый текст.",
    ref_audio="reference_voice.wav",
    ref_text="Это эталонный текст, произнесённый в аудио.",
    output_path="cloned_output.wav"
)
```

## Поддержка нескольких языков

```python
from f5_tts import F5TTS

tts = F5TTS(device="cuda")

# Английский
tts.generate(
    text="Привет, как ты сегодня?",
    ref_audio="english_speaker.wav",
    output_path="english.wav"
)

# Китайский
tts.generate(
    text="你好，今天怎么样？",
    ref_audio="chinese_speaker.wav",
    output_path="chinese.wav"
)

# Французский
tts.generate(
    text="Bonjour, comment allez-vous?",
    ref_audio="french_speaker.wav",
    output_path="french.wav"
)
```

## Пакетная обработка

```python
from f5_tts import F5TTS
import os

tts = F5TTS(device="cuda")

texts = [
    "Добро пожаловать на нашу демонстрацию продукта.",
    "Сегодня мы покажем вам ключевые функции.",
    "Давайте начнём с главной панели.",
    "Как видите, интерфейс интуитивно понятен.",
    "Спасибо за просмотр!"
]

ref_audio = "narrator_voice.wav"
ref_text = "Пример текста из эталонного аудио."
output_dir = "./narration"
os.makedirs(output_dir, exist_ok=True)

for i, text in enumerate(texts):
    print(f"Генерация {i+1}/{len(texts)}: {text[:50]}...")

    tts.generate(
        text=text,
        ref_audio=ref_audio,
        ref_text=ref_text,
        output_path=f"{output_dir}/segment_{i:03d}.wav"
    )
```

## Длинное аудио

```python
from f5_tts import F5TTS

tts = F5TTS(device="cuda")

long_text = """
Добро пожаловать в это подробное руководство по машинному обучению.
В этой главе мы рассмотрим основы нейронных сетей.
Нейронные сети — это вычислительные системы, вдохновлённые биологическими нейронными сетями.
Они состоят из взаимосвязанных узлов, которые обрабатывают информацию.
Давайте начнём с основных понятий.
"""

# F5-TTS обрабатывает длинный текст, разбивая его на предложения
audio = tts.generate(
    text=long_text,
    ref_audio="narrator.wav",
    output_path="long_narration.wav",
    chunk_size=200  # Символов на фрагмент
)
```

## Интерфейс Gradio

```python
import gradio as gr
from f5_tts import F5TTS
import tempfile

tts = F5TTS(device="cuda")

def generate_speech(text, ref_audio, ref_text):
    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
        tts.generate(
            text=text,
            ref_audio=ref_audio,
            ref_text=ref_text,
            output_path=f.name
        )
        return f.name

demo = gr.Interface(
    fn=generate_speech,
    inputs=[
        gr.Textbox(label="Текст для озвучивания", lines=5),
        gr.Audio(type="filepath", label="Эталонный голос"),
        gr.Textbox(label="Эталонный текст", lines=2)
    ],
    outputs=gr.Audio(label="Сгенерированная речь"),
    title="Клонирование голоса F5-TTS",
    description="Клонируйте любой голос с помощью F5-TTS на серверах CLORE.AI"
)

demo.launch(server_name="0.0.0.0", server_port=7860)
```

## API-сервер

```python
from fastapi import FastAPI, UploadFile, File, Form
from fastapi.responses import FileResponse
from f5_tts import F5TTS
import tempfile

app = FastAPI()
tts = F5TTS(device="cuda")

@app.post("/synthesize")
async def synthesize(
    text: str = Form(...),
    ref_audio: UploadFile = File(...),
    ref_text: str = Form(...)
):
    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as ref_file:
        ref_file.write(await ref_audio.read())
        ref_path = ref_file.name

    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as out_file:
        tts.generate(
            text=text,
            ref_audio=ref_path,
            ref_text=ref_text,
            output_path=out_file.name
        )
        return FileResponse(out_file.name, media_type="audio/wav")

# Запуск: uvicorn server:app --host 0.0.0.0 --port 8000
```

## Производительность

| Длина текста  | GPU      | Время генерации | Коэффициент реального времени |
| ------------- | -------- | --------------- | ----------------------------- |
| 100 символов  | RTX 3090 | 0,5 с           | 5x                            |
| 100 символов  | RTX 4090 | 0,3 с           | 8x                            |
| 500 символов  | RTX 4090 | 1,2 с           | 10x                           |
| 1000 символов | A100     | 2,0 с           | 12x                           |

## Распространённые проблемы и решения

### Плохое совпадение голоса

**Проблема:** Сгенерированный голос не совпадает с эталоном

**Решения:**

* Используйте 5–15 секунд чистого эталонного аудио
* Предоставьте точную расшифровку эталонного текста
* Избегайте фонового шума в эталоне
* Сопоставьте язык текста и эталона

### Проблемы с произношением

**Проблема:** Неправильно произносит слова или имена

**Решения:**

```python

# Используйте фонетические подсказки для сложных слов
text = "Добро пожаловать на платформу CLORE (произносится как KLOR) AI."

# Или используйте форматирование, похожее на SSML
text = "Генеральный директор Джон Смит (SMIHTH) выступит."
```

### Проблемы с качеством аудио

**Проблема:** Вывод звучит роботизированно или искажённо

**Решения:**

* Используйте эталонное аудио высокого качества (24 кГц+)
* Очистите эталон от шума
* Попробуйте разные эталонные образцы
* Увеличьте настройки качества генерации

### Проблемы с памятью

**Проблема:** Нехватка памяти для длинных текстов

**Решения:**

```python

# Обрабатывайте меньшими фрагментами
tts.generate(
    text=long_text,
    chunk_size=100,  # Меньшие фрагменты
    overlap=20  # Плавные переходы
)
```

### Медленная генерация

**Проблема:** Слишком долго генерируется

**Решения:**

* Используйте инференс на GPU (CUDA)
* Уменьшите chunk\_size для более быстрой обработки
* Используйте RTX 4090 или лучше
* Включите полупрецизионный режим (fp16)

## Устранение неполадок

### Голос не совпадает с эталоном

* Используйте 5–15 секунд чистого эталонного аудио
* Точно расшифруйте эталонный текст
* Избегайте фонового шума в эталоне

### Проблемы с качеством аудио

* Используйте эталон с высокой частотой дискретизации (24 кГц+)
* Очистите эталон от шума
* Попробуйте разные эталонные образцы

### Медленная генерация

* Используйте CUDA (не CPU)
* Уменьшите длину текста или разбейте его на фрагменты
* Используйте меньшие размеры батча

### Несоответствие языка

* Сопоставьте язык текста с языком эталонного аудио
* Некоторым языкам нужны специальные модели

## Оценка стоимости

Типичные цены на маркетплейсе CLORE.AI (по состоянию на 2024 год):

| GPU        | Почасовая ставка | Дневная ставка | 4-часовая сессия |
| ---------- | ---------------- | -------------- | ---------------- |
| RTX 3060   | \~$0.03          | \~$0.70        | \~$0.12          |
| RTX 3090   | \~$0.06          | \~$1.50        | \~$0.25          |
| RTX 4090   | \~$0.10          | \~$2.30        | \~$0.40          |
| A100 40 ГБ | \~$0.17          | \~$4.00        | \~$0.70          |
| A100 80 ГБ | \~$0.25          | \~$6.00        | \~$1.00          |

*Цены зависят от провайдера и спроса. Проверьте* [*маркетплейс CLORE.AI*](https://clore.ai/marketplace) *актуальные тарифы.*

**Сэкономьте деньги:**

* Используйте **Spot** рынок для прерываемых задач — примерно треть серверов оценивает spot-цены ниже on-demand (медиана \~13% скидки), остальные совпадают с ними
* Платите **CLORE** токенами
* Сравните цены у разных провайдеров

## Дальнейшие шаги

* [XTTS](/guides/guides_v2-ru/audio-i-golos/xtts-coqui.md) - Альтернативный TTS
* [Bark TTS](/guides/guides_v2-ru/audio-i-golos/bark-tts.md) - Выразительный TTS
* [SadTalker](/guides/guides_v2-ru/govoryashie-golovy/sadtalker.md) - Говорящие головы


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-ru/audio-i-golos/f5-tts.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.