ubuntu f5 tts 音声 クローン 少量

F5-TTSは、Flow Matching（フローマッチング）という手法を使ったゼロショット音声合成モデルです。必要なサンプル音声は3〜15秒あれば十分で、その声の特徴を学習して任意のテキストを読み上げさせられます。