Recientemente, un equipo de investigación de la Universidad Jiao Tong de Shanghai, la Universidad de Cambridge y el Instituto de Investigación de Automóviles Geely ha presentado un nuevo sistema de texto a voz (TTS), llamado F5-TTS. Lo especial de este sistema es que utiliza un método no autorregresivo, combinando el emparejamiento de flujo con el transformador de difusión (DiT), simplificando con éxito los complejos pasos de los modelos TTS tradicionales. Como todos sabemos, los modelos TTS tradicionales a menudo requieren un modelado de duración complejo, alineación de fonemas y codificación de texto especializada, lo que aumenta el proceso de síntesis.