피쉬 오디오, S2 출시: 오픈소스 모델로 단어 단위의 감정 제어 구현

Fish Audio는 오픈소스 TTS 기술의 표현력과 제어 능력 면에서 획기적인 발전을 이룬 새로운 텍스트 음성 변환(TTS) 모델 ‘S2’를 공식 출시했습니다.
'Fish Audio S2'로 명명된 이 모델은 강력한 감정 제어 기능을 최우선으로 합니다. 사용자는 자연어 명령을 통해 억양과 감정을 세밀하게 조정할 수 있습니다. [laugh], [whisper], [super happy]와 같은 태그를 삽입하거나, [전문 방송 톤]이나 [음높이 올리기]와 같은 자유 형식의 설명을 사용함으로써, 단어 단위의 정밀한 제어가 가능해져 표현력이 뛰어나고 자연스럽고 생생한 음성을 생성할 수 있습니다.
주요 기능은 다음과 같습니다:
완전한 오픈 소스: 모델 가중치, 미세 조정 코드, SGLang 기반의 스트리밍 추론 엔진이 모두 GitHub와 Hugging Face에서 공개되어 있습니다. S2-Pro는 약 44억 개의 파라미터를 갖춘 플래그십 버전입니다. 초저지연: 추론 지연 시간이 150밀리초 미만으로, 챗봇이나 가상 스트리머와 같은 실시간 애플리케이션에 이상적입니다. 네이티브 다중 화자 지원: 단일 추론으로 여러 화자의 음성을 처리할 수 있으며, 추가 처리 없이도 일관된 음질을 유지하면서 대화 순서, 중간 끼어들기, 자연스러운 감정 전달을 처리합니다.Fish Audio에 따르면 S2는 약 50개 언어로 구성된 1,000만 시간 분량의 오디오 데이터로 훈련되었습니다. 강화 학습 정렬 및 이중 자기회귀 아키텍처를 활용하여 여러 벤치마크에서 최고의 자연스러움과 표현력을 보여줍니다. 이 모델은 오픈소스 또는 상용 모델을 막론하고 현재 이용 가능한 TTS 시스템 중 가장 높은 감정 지능을 갖춘 시스템 중 하나로 평가받고 있습니다. Fish Audio는 "진정한 언어적 자유가 지금부터 시작된다"고 발표하며, 진정한 감정과 개성을 지닌 AI 음성 기술의 도래를 알렸습니다.
GitHub:https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
관련 기사
TechCrunch Disrupt 2026 브레이크아웃 세션 일정 공개
TechCrunch Disrupt 2026이 10월 13일부터 15일까지 샌프란시스코 모스콘 웨스트에서 개최됩니다. 10,000명 이상의 창업자, 투자자, 운영자, 기술 리더들이 모여 3일 동안 통찰력 있는 논의, 네트워킹, 미래 지향적인 대화를 나눕니다. 지금 등록하여 패스 최대 $100 할인을 받고, 두 번째 티켓을 50% 할인된 가격에 확보하세요.주요 스테이지에서 이루어지지 않을 수 있는 가장 실용적인 논의들이 있습니다. Disrupt의
다크 웹 AI 컴퓨팅 파워 러시: 상위 계정 30% 할인, 탈취된 모델 공격에 활용
AI 모델과 컴퓨팅 자원의 불법적인 획득이 지하 시장 ‘가장 원하는 물품’ 목록의 정점으로 부상하고 있습니다. 사이버 범죄자들은 이러한 고가의 대규모 언어 모델을 랜섬웨어 캠페인, 사이버 전쟁, 그리고 간첩 활동에 점점 더 많이 활용하고 있습니다.구글의 위협 인텔리전스 그룹 수석 분석가인 존 훌트퀴스트는 올해 ‘LLM 하이재킹’ 사건이 급증했다고 지적했습니다. 공격자들은 공개 AI 플랫폼의 탈취된 자격 증명을 판매하거나, 직접 컴퓨팅 파워를
엔비디아, 내년 매출의 25%를 자금 지원 연구소로부터 도출 예정
엔비디아는 자체 칩을 구매하는 AI 연구소에 약 500억 달러를 투입했으며, 총 5,000억 달러 이상의 계약을 확보했습니다.8월 26일, 최고재무책임자(CFO) 콜레트 크레스는 이러한 연구소들이 엔비디아의 대차대조표로 뒷받침되어 내년 회사의 사업 중 약 4분의 1을 차지할 것이라고 분석가들에게 알렸습니다.이러한 구조는 종종 순환 금융(circular financing)이라고 불리며, 엔비디아는 분석가들이 이 용어를 사용하기 전에 이를 인정했습
관련 특별 주제 추천
의견 (0)
0/500

Fish Audio는 오픈소스 TTS 기술의 표현력과 제어 능력 면에서 획기적인 발전을 이룬 새로운 텍스트 음성 변환(TTS) 모델 ‘S2’를 공식 출시했습니다.
'Fish Audio S2'로 명명된 이 모델은 강력한 감정 제어 기능을 최우선으로 합니다. 사용자는 자연어 명령을 통해 억양과 감정을 세밀하게 조정할 수 있습니다. [laugh], [whisper], [super happy]와 같은 태그를 삽입하거나, [전문 방송 톤]이나 [음높이 올리기]와 같은 자유 형식의 설명을 사용함으로써, 단어 단위의 정밀한 제어가 가능해져 표현력이 뛰어나고 자연스럽고 생생한 음성을 생성할 수 있습니다.
주요 기능은 다음과 같습니다:
완전한 오픈 소스: 모델 가중치, 미세 조정 코드, SGLang 기반의 스트리밍 추론 엔진이 모두 GitHub와 Hugging Face에서 공개되어 있습니다. S2-Pro는 약 44억 개의 파라미터를 갖춘 플래그십 버전입니다. 초저지연: 추론 지연 시간이 150밀리초 미만으로, 챗봇이나 가상 스트리머와 같은 실시간 애플리케이션에 이상적입니다. 네이티브 다중 화자 지원: 단일 추론으로 여러 화자의 음성을 처리할 수 있으며, 추가 처리 없이도 일관된 음질을 유지하면서 대화 순서, 중간 끼어들기, 자연스러운 감정 전달을 처리합니다.Fish Audio에 따르면 S2는 약 50개 언어로 구성된 1,000만 시간 분량의 오디오 데이터로 훈련되었습니다. 강화 학습 정렬 및 이중 자기회귀 아키텍처를 활용하여 여러 벤치마크에서 최고의 자연스러움과 표현력을 보여줍니다. 이 모델은 오픈소스 또는 상용 모델을 막론하고 현재 이용 가능한 TTS 시스템 중 가장 높은 감정 지능을 갖춘 시스템 중 하나로 평가받고 있습니다. Fish Audio는 "진정한 언어적 자유가 지금부터 시작된다"고 발표하며, 진정한 감정과 개성을 지닌 AI 음성 기술의 도래를 알렸습니다.
GitHub:https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
TechCrunch Disrupt 2026 브레이크아웃 세션 일정 공개
TechCrunch Disrupt 2026이 10월 13일부터 15일까지 샌프란시스코 모스콘 웨스트에서 개최됩니다. 10,000명 이상의 창업자, 투자자, 운영자, 기술 리더들이 모여 3일 동안 통찰력 있는 논의, 네트워킹, 미래 지향적인 대화를 나눕니다. 지금 등록하여 패스 최대 $100 할인을 받고, 두 번째 티켓을 50% 할인된 가격에 확보하세요.주요 스테이지에서 이루어지지 않을 수 있는 가장 실용적인 논의들이 있습니다. Disrupt의
다크 웹 AI 컴퓨팅 파워 러시: 상위 계정 30% 할인, 탈취된 모델 공격에 활용
AI 모델과 컴퓨팅 자원의 불법적인 획득이 지하 시장 ‘가장 원하는 물품’ 목록의 정점으로 부상하고 있습니다. 사이버 범죄자들은 이러한 고가의 대규모 언어 모델을 랜섬웨어 캠페인, 사이버 전쟁, 그리고 간첩 활동에 점점 더 많이 활용하고 있습니다.구글의 위협 인텔리전스 그룹 수석 분석가인 존 훌트퀴스트는 올해 ‘LLM 하이재킹’ 사건이 급증했다고 지적했습니다. 공격자들은 공개 AI 플랫폼의 탈취된 자격 증명을 판매하거나, 직접 컴퓨팅 파워를
엔비디아, 내년 매출의 25%를 자금 지원 연구소로부터 도출 예정
엔비디아는 자체 칩을 구매하는 AI 연구소에 약 500억 달러를 투입했으며, 총 5,000억 달러 이상의 계약을 확보했습니다.8월 26일, 최고재무책임자(CFO) 콜레트 크레스는 이러한 연구소들이 엔비디아의 대차대조표로 뒷받침되어 내년 회사의 사업 중 약 4분의 1을 차지할 것이라고 분석가들에게 알렸습니다.이러한 구조는 종종 순환 금융(circular financing)이라고 불리며, 엔비디아는 분석가들이 이 용어를 사용하기 전에 이를 인정했습





집






