展开本页目录
开始前准备什么
- F5TTS_v1_Base与当前speech_edit.py；代码MIT，但官方预训练模型CC-BY-NC，本练习只用于非商业学习。按所装代码检查CUDA/MPS/CPU路径，不承诺固定显存或时延。
- 解压本页独立练习包，先读README中的素材身份与执行范围；保留原文件并另存实际结果。
- 听清原日期和保留内容
- 定位官方语音编辑脚本
- 在波形中确认日期边界
- 同步替换文本与音频掩码
- 生成到新的文件名
- 分别回听内容和两个接点
- 记录失败再缩小修改范围
原创输入、提示/参数、7步README、来源与检查表；无模型权重或账号。
分清真实输入、程序参考与待运行的模型输出。
用实际输出填写每一项，不把本地文件检查当效果验收。
教学记录格式，软件原生导入能力另行确认。
1. 听清原日期和保留内容
播放input.wav，教材为系统朗读“活动日期是十月二十日，地点保持不变”。transcript.txt记录原文，target.txt只改日期；不是收到真人录音的授权或声音克隆样本。
2. 定位官方语音编辑脚本
安装F5-TTS后打开src/f5_tts/infer/speech_edit.py，找到audio_to_edit、origin_text、target_text、parts_to_edit、fix_duration与output_dir。它不是普通CLI朗读入口；不要把整句重新TTS当成语音局部编辑。
3. 在波形中确认日期边界
用音频编辑器回听日期前后，填写edit-region.json中的实际秒数；包内边界是本题人工教材标注，要结合你自己的录音重标。尽量留合理词间边界，避免从音节中间切开。
4. 同步替换文本与音频掩码
将speech-edit-settings.py中的字段值填入官方示例：audio_to_edit用输入绝对路径，origin_text保留原句，target_text改日期，parts_to_edit是秒数起止列表；首轮fix_duration=None沿用原区间时长。只改这一处，先不改变音色与整句速度。
speech-edit-settings.py
audio_to_edit = "/absolute/path/to/input.wav"
origin_text = "活动日期是十月二十日，地点保持不变。"
target_text = "活动日期是十月二十一日，地点保持不变。"
parts_to_edit = [[1.4347, 2.7479]]
fix_duration = None
output_dir = "/absolute/path/to/f5-result"
5. 生成到新的文件名
运行修改后的官方speech_edit脚本，保存真实输出和实际commit。不要覆盖input.wav；target-system-reference.wav为系统整句朗读新日期，仅作读法参考，不能当F5局部修补成功。
bash
python src/f5_tts/infer/speech_edit.py6. 分别回听内容和两个接点
先确认新日期逐字正确，再对左接点、右接点回听底噪、气口、音色和突兀音量。对照未编辑区与总时长，不承诺模型重建后的所有样本逐点不变。
7. 记录失败再缩小修改范围
在results.csv中记入漏字、旧日期残留和接点听感。先修编辑区间与文字对应，再尝试其他参数；正式商业用途需另外解决权重许可，不能只看代码MIT。
怎样确认已经完成
- 新日期与target.txt一致，原日期没有残留。
- 左右接点没有明显截断、爆音或音色突变。
- 真实修补结果与系统整句参考分开，未编辑内容完整。
常见问题
录音有一个词说错了不想重录，这篇从哪里开始？
先用第1步的具体输入，再按照F5-TTS原生入口操作。将speech-edit-settings.py中的字段值填入官方示例：audio_to_edit用输入绝对路径，origin_text保留原句，target_text改日期，parts_to_edit是秒数起止列表；首轮fix_duration=None沿用原区间时长。只改这一处，先不改变音色与整句速度。
AI只改口播日期，怎么确认结果真的完成？
新日期与target.txt一致，原日期没有残留。 左右接点没有明显截断、爆音或音色突变。 结构回读不代替播放、试听或逐处检查。
F5-TTS 语音编辑是否需要apizt API？
本题主要使用工具原生本地或官方网页能力，不要求apizt Key。F5TTS_v1_Base与当前speech_edit.py；代码MIT，但官方预训练模型CC-BY-NC，本练习只用于非商业学习。按所装代码检查CUDA/MPS/CPU路径，不承诺固定显存或时延。
F5-TTS的英文资料应该搜什么？
可用“F5 TTS speech edit replace word audio edit mask”查找对应能力；先确认官方来源中的模型/工作流，再核对本文输入和实际输出，不套用同名第三方服务参数。