Fish‑Speech

基本介绍

Fish Speech是一个全新的文本到语音（TTS）解决方案，采用了当下流行的深度学习技术，如Transformer、VITS、VQVAE 和GPT等。Fish Speech V1.5主要改进包括更精炼的数据处理流水线，增强了训练方法，提高了模型输出的稳定性以及更高级的情感表达能力。

特色功能

‌声音克隆‌：上传10–30秒清晰人声，即可生成相似音色的语音，支持零样本和少样本克隆。

‌多语言支持‌：覆盖中、英、日、韩、法、德、阿拉伯、西班牙等8种以上语言，可直接混合输入。

‌情感与语气控制‌：通过文本标记控制愤怒、悲伤、兴奋、耳语、笑声等数十种情绪和音效。

‌本地部署‌：开源且支持本地运行，WebUI和API两种方式都能用，适合对数据隐私有要求的场景。‌‌

规格参数

‌在线体验‌：在始智AI‑wisemodel社区可直接创建在线体验环境，按量或包周付费。

‌本地部署‌：克隆GitHub仓库并安装依赖，推荐NVIDIA GPU（8GB以上显存），也可用Docker一键启动。