F5-TTS 术语速查：看懂设置和文档的关键词
开源的零样本语音合成模型——这是 F5-TTS 最主要的用途，也是本文讨论的前提。
看文档和设置项时遇到的术语，这里用一两句话解释清楚。
术语表
- TTS（文本转语音）：把文字合成为语音，可选择音色、语速与情感。
- 声音克隆：用少量样本复制某人的音色，必须取得本人授权。
- 说话人分离：在转写中区分不同发言人，便于整理会议记录。
- 响度标准化：把音频调整到平台推荐的响度范围，避免忽大忽小。
- 人声分离：把歌曲或录音拆分为人声与伴奏等音轨。
- 采样率：每秒采样次数，影响音质与文件大小。
和 F5-TTS 相关的补充
- 开源项目：F5-TTS 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：CosyVoice、GPT-SoVITS、XTTS。
- 所属方向：音频与语音。
把概念用起来
短视频配乐
输入：一条 30 秒视频的情绪与节奏。
生成一段 30 秒的背景音乐：轻快、温暖、无人声，前 5 秒渐入，结尾干净收尾，适合生活类短视频。
验收标准：结尾没有突然截断。
延伸练习
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】。
检查点：专有名词按名单校正。
分轨练习
输入：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。
有声读物试音
准备材料：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。
验收标准：两种风格差异明显。
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：转写错字集中在专有名词
提前提供人名、产品名词表，转写后批量替换。
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：采样率
每秒采样次数，影响音质与文件大小。
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：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。
适合人群：播客主
播客主可以用 F5-TTS 处理选题与提纲、音频后期等工作。需要注意：嘉宾声音和内容的再利用需取得同意。
适合人群：中小学老师
中小学老师可以用 F5-TTS 处理备课与分层练习、批改反馈与评语等工作。需要注意：学生个人信息和成绩不要上传到未经学校批准的工具。
写在最后
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。