F5-TTS的多语言版本，基于F5TTS_v1_Base的配置
- v4: fp16训练，全局时间concat注入，scale到约500M，rmsnorm，swiglu
- v5: bf16训练，全局时间concat注入
- tkcat: bf16训练，文本维度使用concat注入，没有加入drop的逻辑
- langipa: bf16训练，ipa加后缀的形式注入
- catada: bf16训练，在原版F5基础上微调，时间维度使用concat注入，文本维度使用ada注入，两者的LID共享embedding，并以一定概率drop LID
- catada_stress_nomask（优先使用）: 在catada基础上，对ipa加入了重音符号，解决了希腊语wer过高的问题