Heim
Fish Audio bringt S2 auf den Markt: Open-Source-Modell ermöglicht die Steuerung von Emotionen auf Wortebene

Fish Audio hat sein neues Text-to-Speech-Modell S2 offiziell vorgestellt, das einen bedeutenden Fortschritt in Sachen Ausdruckskraft und Steuerbarkeit für Open-Source-TTS-Technologie darstellt.
Das Modell mit dem Namen Fish Audio S2 legt den Schwerpunkt auf eine leistungsstarke emotionale Steuerung. Nutzer können Prosodie und Emotionen mithilfe von Befehlen in natürlicher Sprache feinabstimmen. Durch das Einfügen von Tags wie [laugh], [whisper] oder [super happy] oder sogar durch die Verwendung von frei formulierten Beschreibungen wie [professional broadcast tone] oder [pitch up] ermöglicht es eine präzise Steuerung auf Wortebene, um äußerst ausdrucksstarke und natürlich lebendige Sprache zu erzeugen.
Zu den wichtigsten Funktionen gehören:
Vollständig Open Source: Die Modellgewichte, der Code zur Feinabstimmung und die auf SGLang basierende Streaming-Inferenz-Engine sind alle öffentlich auf GitHub und Hugging Face verfügbar. S2-Pro ist die Flaggschiff-Version mit etwa 4,4 Milliarden Parametern. Extrem niedrige Latenz: Die Inferenzlatenz liegt unter 150 Millisekunden, was das Modell ideal für Echtzeitanwendungen wie Chatbots und virtuelle Streamer macht. Native Unterstützung für mehrere Sprecher: Es kann mehrere Sprecher in einer einzigen Inferenz verarbeiten und dabei Gesprächswechsel, Unterbrechungen und eine natürliche emotionale Wiedergabe bewältigen, während die Stimmqualität ohne zusätzliche Verarbeitung konsistent bleibt.Fish Audio berichtet, dass S2 mit rund 10 Millionen Stunden Audiodaten in fast 50 Sprachen trainiert wurde. Durch den Einsatz von Reinforcement Learning Alignment und einer dualen autoregressiven Architektur zeigt es in mehreren Benchmarks führende Natürlichkeit und Ausdruckskraft. Es gilt als eines der emotional intelligentesten TTS-Systeme auf dem Markt, egal ob Open-Source oder proprietär. „Wahre sprachliche Freiheit beginnt jetzt“, verkündete Fish Audio und läutete damit die Ära der KI-Sprache mit echten Emotionen und Persönlichkeit ein.
GitHub: https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
Verwandter Artikel
TechCrunch Disrupt 2026: Programm der Breakout-Sessions vorgestellt
TechCrunch Disrupt 2026 findet vom 13. bis 15. Oktober im Moscone West in San Francisco statt und bringt über 10.000 Gründer, Investoren, Praktiker und Technologieführer für drei Tage voller Erkenntnisse, Networking und zukunftsorientierter Dialoge z
Rasante Steigerung der Rechenleistung für KI im Dark Web: Top-Konten mit 30 % Rabatt, gestohlene Modelle für Angriffe genutzt
Die illegale Beschaffung von KI-Modellen und Rechenressourcen steigt auf die Spitzenplätze der „Gesucht“-Listen im Untergrundmarkt. Cyberkriminelle nutzen diese kostspieligen Large Language Models zunehmend für Ransomware-Kampagnen, Cyberkriegsführun
Nvidia wird 25 % des Umsatzes des nächsten Jahres aus finanzierten Laboren ableiten
Nvidia hat nahezu 50 Milliarden US-Dollar in KI-Labore investiert, um deren Kauf seiner Chips zu finanzieren, und Zusicherungen für insgesamt über 500 Milliarden US-Dollar gesichert.Am 26. August informierte die CFO Colette Kress Analysten darüber, d
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Fish Audio hat sein neues Text-to-Speech-Modell S2 offiziell vorgestellt, das einen bedeutenden Fortschritt in Sachen Ausdruckskraft und Steuerbarkeit für Open-Source-TTS-Technologie darstellt.
Das Modell mit dem Namen Fish Audio S2 legt den Schwerpunkt auf eine leistungsstarke emotionale Steuerung. Nutzer können Prosodie und Emotionen mithilfe von Befehlen in natürlicher Sprache feinabstimmen. Durch das Einfügen von Tags wie [laugh], [whisper] oder [super happy] oder sogar durch die Verwendung von frei formulierten Beschreibungen wie [professional broadcast tone] oder [pitch up] ermöglicht es eine präzise Steuerung auf Wortebene, um äußerst ausdrucksstarke und natürlich lebendige Sprache zu erzeugen.
Zu den wichtigsten Funktionen gehören:
Vollständig Open Source: Die Modellgewichte, der Code zur Feinabstimmung und die auf SGLang basierende Streaming-Inferenz-Engine sind alle öffentlich auf GitHub und Hugging Face verfügbar. S2-Pro ist die Flaggschiff-Version mit etwa 4,4 Milliarden Parametern. Extrem niedrige Latenz: Die Inferenzlatenz liegt unter 150 Millisekunden, was das Modell ideal für Echtzeitanwendungen wie Chatbots und virtuelle Streamer macht. Native Unterstützung für mehrere Sprecher: Es kann mehrere Sprecher in einer einzigen Inferenz verarbeiten und dabei Gesprächswechsel, Unterbrechungen und eine natürliche emotionale Wiedergabe bewältigen, während die Stimmqualität ohne zusätzliche Verarbeitung konsistent bleibt.Fish Audio berichtet, dass S2 mit rund 10 Millionen Stunden Audiodaten in fast 50 Sprachen trainiert wurde. Durch den Einsatz von Reinforcement Learning Alignment und einer dualen autoregressiven Architektur zeigt es in mehreren Benchmarks führende Natürlichkeit und Ausdruckskraft. Es gilt als eines der emotional intelligentesten TTS-Systeme auf dem Markt, egal ob Open-Source oder proprietär. „Wahre sprachliche Freiheit beginnt jetzt“, verkündete Fish Audio und läutete damit die Ära der KI-Sprache mit echten Emotionen und Persönlichkeit ein.
GitHub: https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
TechCrunch Disrupt 2026: Programm der Breakout-Sessions vorgestellt
TechCrunch Disrupt 2026 findet vom 13. bis 15. Oktober im Moscone West in San Francisco statt und bringt über 10.000 Gründer, Investoren, Praktiker und Technologieführer für drei Tage voller Erkenntnisse, Networking und zukunftsorientierter Dialoge z
Rasante Steigerung der Rechenleistung für KI im Dark Web: Top-Konten mit 30 % Rabatt, gestohlene Modelle für Angriffe genutzt
Die illegale Beschaffung von KI-Modellen und Rechenressourcen steigt auf die Spitzenplätze der „Gesucht“-Listen im Untergrundmarkt. Cyberkriminelle nutzen diese kostspieligen Large Language Models zunehmend für Ransomware-Kampagnen, Cyberkriegsführun
Nvidia wird 25 % des Umsatzes des nächsten Jahres aus finanzierten Laboren ableiten
Nvidia hat nahezu 50 Milliarden US-Dollar in KI-Labore investiert, um deren Kauf seiner Chips zu finanzieren, und Zusicherungen für insgesamt über 500 Milliarden US-Dollar gesichert.Am 26. August informierte die CFO Colette Kress Analysten darüber, d











