# F5-TTS или SuperClonica: клонирование без обучения или быстрая речь на CPU Обновлено 2026-10-23 F5-TTS — открытая модель синтеза речи на основе flow matching и диффузионного трансформера. Она вышла в октябре 2024 года, а в марте 2025-го появилась улучшенная базовая модель v1. F5-TTS клонирует голос без обучения: даёте короткую запись и её текст, и модель говорит этим голосом. SuperClonica устроена иначе: голос один раз обучают в файл Supertonic 3, и дальше он быстро работает на обычном процессоре. Если вы ищете альтернативу F5-TTS для CPU или для коммерческого проекта, вот что изменится. ## Как устроена F5-TTS F5-TTS — диффузионный трансформер с ConvNeXt V2, обученный примерно на 100 тысячах часов открытых многоязычных данных из набора Emilia. Официальная базовая модель — китайско-английская. На вход подаются референсная запись и её текст; если текст не указать, его распознает отдельная ASR-модель, и понадобится больше видеопамяти. Сообщество дообучало F5-TTS для других языков, ссылки на такие модели есть в репозитории. В нашей таблице учтены два языка официальной базовой модели. ## Скорость F5-TTS на CPU и видеокарте На видеокарте F5-TTS быстрая: в репозитории указан RTF 0,0402 с TensorRT-LLM и 0,1467 с PyTorch на одной NVIDIA L20 при 16 шагах. На CPU это самая медленная модель в нашей таблице. В статье о ZipVoice намерили RTF 37,284 при 32 шагах на одном потоке Xeon Platinum 8457C. Если современный 16-поточный настольный процессор даёт эффективное ускорение в 2,5–7,5 раза, получается в 5–15 раз медленнее реального времени: 50–150 секунд на фразу длиной 10 секунд. SuperClonica тратит на неё около 1,0–1,6 секунды. ## Качество и стабильность тембра Мы оцениваем F5-TTS на 3 из 5 по качеству и на 3 по стабильности тембра, SuperClonica — на 4,5 и 5. Клонирование без обучения каждый раз заново восстанавливает голос по референсу, поэтому результат зависит от записи. Обученный файл голоса даёт одну и ту же исходную точку при каждом запуске. ## Лицензия: проверьте до коммерческого запуска Код F5-TTS выпущен под MIT. Предобученные модели распространяются по CC-BY-NC из-за обучающих данных Emilia, поэтому официальные веса по умолчанию нельзя использовать в коммерческих целях. Supertonic 3 выпущена под OpenRAIL-M — бесплатной лицензией со списком запрещённых применений вместо запрета на коммерцию. Голоса, купленные в SuperClonica, предназначены для ваших проектов, перепродавать их нельзя. ## Когда выбирать F5-TTS SuperClonica подходит для продуктов на 31 языке Supertonic 3, для компьютеров без видеокарты и для длинных текстов, где скорость складывается в часы. F5-TTS лучше в таких случаях: - исследования и некоммерческие эксперименты с клонированием без обучения; - китайская или английская речь на видеокарте либо дообученная сообществом модель для вашего языка; - клон по записи нужен прямо сейчас, без этапа обучения. ## Ещё о синтезе речи - [Синтез речи и озвучка текста на вашем компьютере](https://superclonica.com/ru/text-to-speech) - [SuperClonica против Supertonic: та же модель, быстрее и чище](https://superclonica.com/ru/compare/supertonic) - [Fish Audio и Fish Speech или SuperClonica](https://superclonica.com/ru/compare/fish-audio) - [OmniVoice или SuperClonica: больше языков или больше скорости](https://superclonica.com/ru/compare/omnivoice) - [Qwen3-TTS или SuperClonica для локального синтеза речи](https://superclonica.com/ru/compare/qwen3-tts) - [VoxCPM 2 или SuperClonica: студийный звук или скорость на CPU](https://superclonica.com/ru/compare/voxcpm) - [Офлайн-альтернатива ElevenLabs](https://superclonica.com/ru/compare/elevenlabs) - [Kokoro TTS или SuperClonica: две компактные модели для синтеза речи](https://superclonica.com/ru/compare/kokoro) - [Piper TTS или SuperClonica: маленькие устройства или свои голоса](https://superclonica.com/ru/compare/piper) - [Coqui XTTS-v2 или SuperClonica: альтернатива Coqui TTS](https://superclonica.com/ru/compare/xtts) - [Chatterbox TTS или SuperClonica: мгновенный клон или обученный файл голоса](https://superclonica.com/ru/compare/chatterbox) ## Руководства по синтезу речи - [Как озвучить текст голосом офлайн на своём компьютере](https://superclonica.com/ru/guides/offline-text-to-speech) - [Клонирование голоса: как получить голос, похожий на запись](https://superclonica.com/ru/guides/voice-cloning) - [Лучшие бесплатные модели синтеза речи для локального запуска в 2026 году](https://superclonica.com/ru/guides/best-free-tts-models) - [Озвучка текста для видео, аудиокниг, игр и приложений](https://superclonica.com/ru/guides/text-to-speech-for-videos) - [Голоса Supertonic 3: где взять свои голоса и как ими пользоваться](https://superclonica.com/ru/guides/supertonic-3-voices) - [Озвучка текста на Python: офлайн, бесплатно и естественными голосами](https://superclonica.com/ru/guides/python-text-to-speech) - [Свой API для озвучки текста в Docker](https://superclonica.com/ru/guides/text-to-speech-api-docker) ## Частые вопросы ### Работает ли F5-TTS на CPU? Да, но медленно. В статье о ZipVoice на одном потоке процессора получили RTF около 37; для 16-поточного настольного CPU мы оцениваем скорость в 5–15 раз медленнее реального времени. ### Можно ли использовать F5-TTS в коммерческих целях? Официальные предобученные модели — нет: из-за обучающих данных они под CC-BY-NC. Сам код распространяется под MIT. ### Какие языки поддерживает F5-TTS? Официальная базовая модель обучена на китайском и английском. Модели сообщества добавляют другие языки, их качество и лицензии различаются. ### Какая есть более быстрая альтернатива F5-TTS для клонирования голоса? Если можно подождать обучения — голос Supertonic 3, обученный по вашей записи и запущенный в SuperClonica: по нашей оценке, в 6,4–9,7 раза быстрее реального времени на настольном CPU. Если клон нужен без обучения, посмотрите на Qwen3-TTS или OmniVoice — им хватает нескольких секунд записи. - [Голоса, которые быстро работают на CPU](https://superclonica.com/ru/explore) - [Установить SuperClonica](https://superclonica.com/ru/superclonica) ## Источники - [Репозиторий F5-TTS (GitHub)](https://github.com/SWivid/F5-TTS) - [Карточка модели F5-TTS (Hugging Face)](https://huggingface.co/SWivid/F5-TTS) - [Статья о F5-TTS (arXiv)](https://arxiv.org/abs/2410.06885) - [Статья о ZipVoice, таблица II: скорость на CPU](https://arxiv.org/html/2506.13053v1#S5.T2) - [Карточка модели Supertonic 3](https://huggingface.co/supertone-oss-archive/supertonic-3) - [SuperClonica](https://superclonica.com/ru/) - [Каталог AI-голосов для озвучки текста](https://superclonica.com/ru/explore) - [Заказ голоса по референсу для Supertonic 3](https://superclonica.com/ru/requests) - [Как это работает: голоса, озвучка, обучение](https://superclonica.com/ru/guide) - [Установка быстрого движка для Supertonic 3](https://superclonica.com/ru/superclonica) - [О нас: команда энтузиастов синтеза речи](https://superclonica.com/ru/about) - [Контакты, поддержка и жалобы на голоса](https://superclonica.com/ru/contacts) - [Политика конфиденциальности](https://superclonica.com/ru/privacy) - [Условия использования](https://superclonica.com/ru/terms) - [Синтез речи](https://superclonica.com/ru/text-to-speech)