F5-TTS是一款基于扩散Transformer和ConvNeXt V2的文本转语音 (TTS) 模型。F5-TTS旨在生成流畅且忠实的语音，其训练速度和推理速度都得到了提升。 项目还提供了一个名为E2 TTS的模型，它是论文中模型的更接近的复现版本，基于Flat-UNet Transformer。 预训练模型已发布在Hugging Face和Model Scope上。

GitHub地址：https://github.com/SWivid/F5-TTS

# Docker 部署

下载/复制GitHub中的Dockerfile文件

docker build -t f5tts:v1 .

docker run -d -t --name f5-tts -p 7860:7860 --gpus=all f5tts:v1

f5-tts_infer-gradio --port 7860 --host 0.0.0.0

修改Dockerfile文件，加入自启脚本：

COPY start.sh /workspace/F5-TTS/start.sh

CMD ["/bin/bash", "-c", "/workspace/F5-TTS/start.sh && tail -f /dev/null"]

start.sh：

#!/bin/bash

# Gradio web Management

CUDA_VISIBLE_DEVICES=1 f5-tts_infer-gradio --port 7860 --host 0.0.0.0

修改GPU占用：CUDA_VISIBLE_DEVICES=0 保存退出并重启容器即可

docker build -t f5tts-v1 .

docker run -d -t --name f5-tts -p 7860:7860 --gpus=all f5-tts-v1-202505

使用：http://10.11.0.76:7860/

# 示例：

  上传音频：Tmp_audio.mp3（蔡徐坤）

  输入文字：

  海域云成立于二零一零年，是中国优秀的出口企业云服务商，为中国出口企业提供品牌保护，知识产权，网络运维等云服务，助力中国出口企业数字化转型升级。总部在深圳，在香港、英国、澳洲、加拿大设有分支机构。海域云通过大数据，云计算等技术，为出口企业搭建品牌域名全球监测、知产智能管理、全球网络智能管理等系统，提供全球知识产权、全球网络专线、全球域名保护、海外数据中心、外贸管理软件等一站式解决方案，帮助出口企业商业决策提供数字依据。目前已为超过十万家中国企业提供服务，其中，服务上市公司超过两百家，服务千亿级上市公司超过了二十家。

  点击Synthesize进行模型推理，并输出，而后点击下载按钮，可保存为.wav或.mp3格式音频文件。

# 其他操作

查看日志：docker logs -f -t f5-tts

模型重启：docker restart f5-tts

进入容器：docker exec -it f5-tts bash

GPU占用：该模型默认占用1号GPU，占用显存2G

容器内模型自启文件（可修改）：/workspace/F5-TTS/start.sh