fish-speech/docs/zh/index.md

OpenAudio (原 Fish-Speech)

先进的文字转语音模型系列

立即试用： Fish Audio Playground | 了解更多： OpenAudio 网站

---

!!! warning "法律声明" 我们不对代码库的任何非法使用承担责任。请参考您所在地区有关 DMCA（数字千年版权法）和其他相关法律的规定。

**许可证：** 此代码库在 Apache 2.0 许可证下发布，所有模型在 CC-BY-NC-SA-4.0 许可证下发布。

介绍

我们很高兴地宣布，我们已经更名为 OpenAudio - 推出全新的先进文字转语音模型系列，在 Fish-Speech 的基础上进行了重大改进并增加了新功能。

Openaudio-S1-mini: 视频; Hugging Face;

Fish-Speech v1.5: 视频; Hugging Face;

亮点 ✨

情感控制

OpenAudio S1 支持多种情感、语调和特殊标记来增强语音合成效果：

• 基础情感：

(angry) (sad) (excited) (surprised) (satisfied) (delighted)
(scared) (worried) (upset) (nervous) (frustrated) (depressed)
(empathetic) (embarrassed) (disgusted) (moved) (proud) (relaxed)
(grateful) (confident) (interested) (curious) (confused) (joyful)

• 高级情感：

(disdainful) (unhappy) (anxious) (hysterical) (indifferent) 
(impatient) (guilty) (scornful) (panicked) (furious) (reluctant)
(keen) (disapproving) (negative) (denying) (astonished) (serious)
(sarcastic) (conciliative) (comforting) (sincere) (sneering)
(hesitating) (yielding) (painful) (awkward) (amused)

• 语调标记：

(in a hurry tone) (shouting) (screaming) (whispering) (soft tone)

• 特殊音效：

(laughing) (chuckling) (sobbing) (crying loudly) (sighing) (panting)
(groaning) (crowd laughing) (background laughter) (audience laughing)

您还可以使用 Ha,ha,ha 来控制，还有许多其他用法等待您自己探索。

卓越的 TTS 质量

我们使用 Seed TTS 评估指标来评估模型性能，结果显示 OpenAudio S1 在英文文本上达到了 0.008 WER 和 0.004 CER，明显优于以前的模型。（英语，自动评估，基于 OpenAI gpt-4o-转录，说话人距离使用 Revai/pyannote-wespeaker-voxceleb-resnet34-LM）

模型	词错误率 (WER)	字符错误率 (CER)	说话人距离
S1	0.008	0.004	0.332
S1-mini	0.011	0.005	0.380

两种模型类型

模型	规模	可用性	特性
S1	40亿参数	在 fish.audio 上可用	功能齐全的旗舰模型
S1-mini	5亿参数	在 huggingface hf space 上可用	具有核心功能的蒸馏版本

S1 和 S1-mini 都集成了在线人类反馈强化学习 (RLHF)。

功能特性

1. 零样本和少样本 TTS： 输入 10 到 30 秒的语音样本即可生成高质量的 TTS 输出。详细指南请参见 语音克隆最佳实践。

2. 多语言和跨语言支持： 只需复制粘贴多语言文本到输入框即可——无需担心语言问题。目前支持英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语。

3. 无音素依赖： 该模型具有强大的泛化能力，不依赖音素进行 TTS。它可以处理任何语言文字的文本。

4. 高度准确： 在 Seed-TTS Eval 中实现低字符错误率 (CER) 约 0.4% 和词错误率 (WER) 约 0.8%。

5. 快速： 通过 fish-tech 加速，在 Nvidia RTX 4060 笔记本电脑上实时因子约为 1:5，在 Nvidia RTX 4090 上约为 1:15。

6. WebUI 推理： 具有易于使用的基于 Gradio 的网络界面，兼容 Chrome、Firefox、Edge 和其他浏览器。

7. GUI 推理： 提供与 API 服务器无缝配合的 PyQt6 图形界面。支持 Linux、Windows 和 macOS。查看 GUI。

8. 部署友好： 轻松设置推理服务器，原生支持 Linux、Windows 和 MacOS，最小化速度损失。

免责声明

我们不对代码库的任何非法使用承担责任。请参考您当地关于 DMCA 和其他相关法律的规定。

媒体和演示

🚧 即将推出

视频演示和教程正在开发中。

文档

快速开始

• 构建环境 - 设置您的开发环境
• 推理指南 - 运行模型并生成语音

社区和支持

• Discord： 加入我们的 Discord 社区
• 网站： 访问 OpenAudio.com 获取最新更新
• 在线试用： Fish Audio Playground