File size: 2,653 Bytes
519256c | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 | # Голос Владимира Еремина — TTS (F5-TTS_RUSSIAN)
Zero-shot клон голоса диктора **Владимира Еремина** (рекламные ролики ЖК «Лайф
Варшавская», «Ес-резиденс» от группы «Пионер»).
Работает на **CPU и GPU**, с полной нормализацией чисел, дат и процентов.
## Состав набора
| Файл | Назначение |
|------|-----------|
| [`ref_eremin.wav`](ref_eremin.wav) | Референс-аудио (10 сек чистого голоса, 24kHz) |
| [`eremin_tts.py`](eremin_tts.py) | Скрипт синтеза (нормализация + разбиение) |
## Установка
```bash
pip install f5-tts num2words soundfile torch torchaudio
```
Русская модель скачается автоматически с Hugging Face:
`Misha24-10/F5-TTS_RUSSIAN` (~1.3GB, первый запуск).
## Использование
```bash
# Простая озвучка
python eremin_tts.py "Добрый день! Это Владимир Еремин."
# С числами (нормализация автоматическая)
python eremin_tts.py "Квартира стоит 129 990 рублей, скидка 25%. Дата 15.03.2025."
# Настройки
python eremin_tts.py "Текст" --out result.wav --speed 1.2 --steps 64
```
## Нормализация (встроенная)
| Ввод | Произносится |
|------|-------------|
| `129 990` | сто двадцать девять тысяч девятьсот девяносто |
| `25%` | двадцать пять процентов |
| `2024` | две тысячи двадцать четыре |
| `15.03.2025` | пятнадцатое марта две тысячи двадцать пятого года |
| `3.12` | три точка двенадцать (версии) |
Разбиение на предложения по `. ; ! ?` и переносам строк — каждое
синтезируется отдельно и склеивается.
## Ограничения
- Англицизмы (Python, iPhone) произносятся русской транскрипцией
(«пайсон», «айфон») — для точных брендов пишите фонетически.
## Лицензия
Голос — личные аудиоданные. Код — MIT.
## Связанное
- База: [Misha24-10/F5-TTS_RUSSIAN](https://huggingface.co/Misha24-10/F5-TTS_RUSSIAN)
- Автор клона: [Dimitrius174](https://huggingface.co/Dimitrius174)
|