F5-TTS

F5-TTS 是一个基于流匹配（Flow Matching）的高质量文本到语音（TTS）合成模型，旨在生成流畅、忠实于输入文本的自然语音。其核心技术包括扩散Transformer架构、ConvNeXt V2主干网络、Sway采样策略，支持中英文多语种语音合成，训练与推理效率优于传统扩散TTS模型。项目提供开箱即用的预训练模型和轻量级推理接口，适用于语音助手、有声读物生成、教育内容配音及无障碍辅助等对语音自然度与准确性要求较高的场景。