F5-TTS：使用流匹配伪造流畅且真实的语音的讲述者

这篇文章介绍了F5-TTS，一个使用流匹配技术生成流畅和真实语音的文本到语音合成模型。该模型基于扩散Transformer和ConvNeXt V2架构，训练和推理速度更快。文章详细介绍了模型的安装、数据集准备、训练、微调、推理以及语音编辑功能，并提供了评估方法和代码示例。