先说清楚它是什么：F5-TTS 属于「音频与语音」方向的开源项目，开源的零样本语音合成模型。

下面列出 10 个具体场景，每个都注明适合与不适合的情况。

10 个场景

  1. 课程旁白配音：需要人工复核。
  2. 播客后期：需要人工复核。
  3. 会议录音转写：可以做成固定模板。
  4. 分轨练习：适合每周重复执行。
  5. 短视频配乐：效果依赖输入材料质量。
  6. 有声读物试音：适合每周重复执行。
  7. 播客主：选题与提纲：适合每周重复执行。
  8. 自媒体创作者：选题与脚本：适合先小范围试用。
  9. 中小学老师：备课与分层练习：可以做成固定模板。
  10. 音乐人：编曲灵感：适合每周重复执行。

挑两个场景细看

课程旁白配音

准备材料：一份 800 字的讲解稿。

把这份讲稿改成适合朗读的口播版本：句子不超过 20 字，数字改成口语读法，标出需要停顿和重读的地方。

验收标准：数字读法不会产生歧义。

短视频配乐

适用情况：手头有一条 30 秒视频的情绪与节奏时。

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。

不适合的场景

  • 需要专业资质最终签字的判断。
  • 无法核实来源却要公开发布的内容。
  • 涉及他人隐私且未获授权的材料。

更多可以试的用法

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。

分轨练习

适用情况：手头有一首用于练习的歌曲音频时。

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。

播客后期

输入：一期双人录制的原始音频。

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。

检查点：人声没有被处理得发闷。

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：克隆音色不稳定

使用更干净、更长的样本，避免背景音乐和回声。

概念补充：说话人分离

在转写中区分不同发言人，便于整理会议记录。

概念补充：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。

适合人群：记者编辑

记者编辑可以用 F5-TTS 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。

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。

使用提醒

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。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读