产品概述
Fish Speech 是由 Fish Audio 开发的文本转语音 (TTS) 解决方案。模型使用约 15 万小时的英语、中文和日语音频数据训练，对中文支持尤为出色，语音合成质量接近人类水平。当前稳定版本为 1.1.2，正在向 1.2 版本迭代，代码基于 BSD-3-Clause 许可证开源，模型采用 CC-BY-NC-SA-4.0 许可（非商业免费，商业需授权）。
核心优势
- **多语言且中文突出**：完美支持中文、英语和日语，尤其中文效果拔群，适合国内开发者及多语言场景。
- **轻量高效**：模型参数仅亿级，推理仅需 4GB 显存 GPU，微调需 16GB，可在个人电脑上轻松运行和定制，成为私人语音助手。
- **开源可定制**：代码完全开源，支持微调，社区活跃，提供 Huggingface Spaces 在线演示和 Fish Audio 平台体验，上手门槛低。
- **受经典项目启发**：融合 VITS2、Bert-VITS2、GPT-VITS 等先进技术，保证了合成质量与训练效率。
适用场景
- 语音助手：集成到智能设备中，提供自然多语言交互
- 有声读物旁白：将书面内容自动生成为有声书
- 语言学习：辅助发音和听力练习，支持中英日三语
- 辅助工具：帮助视障用户将文字转为语音阅读
- 客户服务机器人：为客服系统添加自然语音响应
- 内容创作：为视频、播客和多媒体生成画外音