Lar
A Fish Audio lança o S2: modelo de código aberto permite o controle de emoções ao nível da palavra

A Fish Audio lançou oficialmente seu novo modelo de conversão de texto em fala, o S2, representando um avanço significativo em termos de expressividade e controlabilidade para a tecnologia TTS de código aberto.
Batizado de Fish Audio S2, este modelo prioriza um controle emocional poderoso. Os usuários podem fazer ajustes precisos na prosódia e na emoção usando instruções em linguagem natural. Ao inserir tags como [risada], [sussurro] ou [superfeliz], ou mesmo usando descrições livres como [tom de transmissão profissional] ou [aumentar o tom], ele permite um controle preciso, ao nível da palavra, para gerar uma fala altamente expressiva e naturalmente vívida.
Os principais recursos incluem:
Totalmente de código aberto: os pesos do modelo, o código de ajuste fino e o mecanismo de inferência de streaming baseado em SGLang estão todos disponíveis publicamente no GitHub e no Hugging Face. O S2-Pro é a versão principal, com aproximadamente 4,4 bilhões de parâmetros. Latência ultrabaixa: a latência de inferência é inferior a 150 milissegundos, tornando-o ideal para aplicações em tempo real, como chatbots e streamers virtuais. Suporte nativo a múltiplos falantes: ele pode processar vários falantes em uma única inferência, lidando com turnos de conversação, interrupções e transmissão emocional natural, mantendo a qualidade de voz consistente sem processamento extra.A Fish Audio informa que o S2 foi treinado com cerca de 10 milhões de horas de dados de áudio abrangendo quase 50 idiomas. Utilizando alinhamento de aprendizado por reforço e uma arquitetura autorregressiva dupla, ele demonstra naturalidade e expressividade de ponta em vários benchmarks. É considerado um dos sistemas de TTS mais emocionalmente inteligentes disponíveis, sejam eles de código aberto ou proprietários. “A verdadeira liberdade linguística começa agora”, anunciou a Fish Audio, marcando a chegada da fala com IA com emoção e personalidade genuínas.
GitHub: https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
Artigo relacionado
É divulgada a programação das sessões paralelas do TechCrunch Disrupt 2026
O TechCrunch Disrupt 2026 chega ao Moscone West, em São Francisco, de 13 a 15 de outubro, reunindo mais de 10.000 fundadores, investidores, operadores e líderes do setor de tecnologia para três dias d
Corrida por Poder de Computação de IA na Dark Web: Contas Principais com 30% de Desconto, Modelos Roubeados Usados em Ataques
A aquisição ilícita de modelos de IA e recursos de computação está subindo ao topo das listas dos “mais procurados” do mercado clandestino. Os cibercriminosos estão cada vez mais utilizando esses modelos de linguagem de grande porte (LLMs) dispendios
A Nvidia espera obter 25% da receita do próximo ano de laboratórios financiados
A Nvidia investiu quase US$ 50 bilhões em laboratórios de IA na compra de seus chips, garantindo compromissos de mais de US$ 500 bilhões no total.Em 26 de agosto, a diretora financeira Colette Kress informou aos analistas que esses laboratórios, resp
Recomendações de tópicos especiais relacionados
Comentários (0)

A Fish Audio lançou oficialmente seu novo modelo de conversão de texto em fala, o S2, representando um avanço significativo em termos de expressividade e controlabilidade para a tecnologia TTS de código aberto.
Batizado de Fish Audio S2, este modelo prioriza um controle emocional poderoso. Os usuários podem fazer ajustes precisos na prosódia e na emoção usando instruções em linguagem natural. Ao inserir tags como [risada], [sussurro] ou [superfeliz], ou mesmo usando descrições livres como [tom de transmissão profissional] ou [aumentar o tom], ele permite um controle preciso, ao nível da palavra, para gerar uma fala altamente expressiva e naturalmente vívida.
Os principais recursos incluem:
Totalmente de código aberto: os pesos do modelo, o código de ajuste fino e o mecanismo de inferência de streaming baseado em SGLang estão todos disponíveis publicamente no GitHub e no Hugging Face. O S2-Pro é a versão principal, com aproximadamente 4,4 bilhões de parâmetros. Latência ultrabaixa: a latência de inferência é inferior a 150 milissegundos, tornando-o ideal para aplicações em tempo real, como chatbots e streamers virtuais. Suporte nativo a múltiplos falantes: ele pode processar vários falantes em uma única inferência, lidando com turnos de conversação, interrupções e transmissão emocional natural, mantendo a qualidade de voz consistente sem processamento extra.A Fish Audio informa que o S2 foi treinado com cerca de 10 milhões de horas de dados de áudio abrangendo quase 50 idiomas. Utilizando alinhamento de aprendizado por reforço e uma arquitetura autorregressiva dupla, ele demonstra naturalidade e expressividade de ponta em vários benchmarks. É considerado um dos sistemas de TTS mais emocionalmente inteligentes disponíveis, sejam eles de código aberto ou proprietários. “A verdadeira liberdade linguística começa agora”, anunciou a Fish Audio, marcando a chegada da fala com IA com emoção e personalidade genuínas.
GitHub: https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
É divulgada a programação das sessões paralelas do TechCrunch Disrupt 2026
O TechCrunch Disrupt 2026 chega ao Moscone West, em São Francisco, de 13 a 15 de outubro, reunindo mais de 10.000 fundadores, investidores, operadores e líderes do setor de tecnologia para três dias d
Corrida por Poder de Computação de IA na Dark Web: Contas Principais com 30% de Desconto, Modelos Roubeados Usados em Ataques
A aquisição ilícita de modelos de IA e recursos de computação está subindo ao topo das listas dos “mais procurados” do mercado clandestino. Os cibercriminosos estão cada vez mais utilizando esses modelos de linguagem de grande porte (LLMs) dispendios
A Nvidia espera obter 25% da receita do próximo ano de laboratórios financiados
A Nvidia investiu quase US$ 50 bilhões em laboratórios de IA na compra de seus chips, garantindo compromissos de mais de US$ 500 bilhões no total.Em 26 de agosto, a diretora financeira Colette Kress informou aos analistas que esses laboratórios, resp











