从零到一：用 F5-TTS 做出第一份成果
在「音频与语音」类工具里，F5-TTS 的定位是：开源的零样本语音合成模型。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：播客后期
目标：用 F5-TTS 完成一次「播客后期」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读仓库 README 与许可证。
- 准备材料：一期双人录制的原始音频（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：人声没有被处理得发闷。
- 保存提示词与最终结果，写三行复盘。
处理这期音频：降低底噪、统一两人音量、删除超过 2 秒的停顿，保留自然的语气词，输出前后对比的处理记录。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「课程旁白配音」，或者把这次的流程分享给同事一起试。
更多可以试的用法
有声读物试音
输入：一个章节的文本。
用两种不同的声音风格朗读这一章节的前 300 字：一种沉稳叙述，一种轻松亲切，对比后选择更适合的版本。
检查点：两种风格差异明显。
分轨练习
准备材料：一首用于练习的歌曲音频。
把这首歌分离成人声、鼓、贝斯和其他乐器，并把伴奏降低两个半音，方便练唱。
交付前确认：分离后人声没有明显残留伴奏。
会议录音转写
准备材料：一段 1 小时的会议录音。
转写这段录音并区分发言人，生成要点摘要和待办清单，人名和专有名词按我提供的名单校正：【名单】。
验收标准：专有名词按名单校正。
常见问题：降噪后声音发闷
降低处理强度，宁可保留少量底噪。
常见问题：合成语音读错多音字
在文本中改用同音字或拼音标注，或使用工具的发音词典。
常见问题：配乐与画面情绪不符
先写清情绪关键词和节奏，再分段生成拼接。
概念补充：人声分离
把歌曲或录音拆分为人声与伴奏等音轨。
概念补充：TTS（文本转语音）
把文字合成为语音，可选择音色、语速与情感。
适合人群：自媒体创作者
自媒体创作者可以用 F5-TTS 处理选题与脚本、封面与剪辑等工作。需要注意：注意素材版权与平台规则，AI 生成内容按平台要求标注。
适合人群：游戏开发者
游戏开发者可以用 F5-TTS 处理原型与素材、NPC 对话与文案等工作。需要注意：关注生成素材的授权和平台对 AI 内容的披露要求。
适合人群：研究生
研究生可以用 F5-TTS 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。
注意事项
文中提示词和示例仅作示意，实际效果取决于你的材料和 F5-TTS 当前版本，重要内容请人工核对后再使用。
涉及个人信息、商业机密或受监管数据时，先确认 F5-TTS 的数据处理条款，再决定能否使用。