Fish Audio 推出 S2:開源模型實現詞彙層級的情感控制

Fish Audio 已正式推出其全新的文字轉語音模型 S2,這代表著開源 TTS 技術在表現力與可控性方面取得了一項重大突破。
這款名為 Fish Audio S2 的模型,將強大的情感控制列為首要目標。使用者可透過自然語言指令,對語調與情感進行細緻調整。無論是插入 [laugh]、[whisper] 或 [super happy] 等標籤,抑或使用 [專業播報語調] 或 [提高音高] 等自由描述,皆能實現精準的單字級控制,生成極具表現力且自然生動的語音。
主要特點包括:
完全開源:模型權重、微調程式碼以及基於 SGLang 的串流推論引擎,均已公開發布於 GitHub 和 Hugging Face。 S2-Pro 是旗艦版本,擁有約 44 億個參數。超低延遲:推論延遲低於 150 毫秒,非常適合聊天機器人和虛擬主播等即時應用。原生多講者支援:可在單次推論中處理多位講者,處理對話輪次、插話及自然的情感傳達,同時維持一致的音質,無需額外處理。Fish Audio 表示,S2 是基於涵蓋近 50 種語言、總計約 1,000 萬小時的音訊資料所訓練而成。透過強化學習對齊技術與雙自迴歸架構,該模型在多項基準測試中展現出業界領先的自然度與表現力。無論是開源或專有系統,它都被視為當今最具情感智能的 TTS 系統之一。Fish Audio 宣佈:「真正的語言自由從此刻開始」,標誌著具備真實情感與個性的 AI 語音時代正式來臨。
GitHub:https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
相關文章
TechCrunch Disrupt 2026 分組討論議程揭曉
TechCrunch Disrupt 2026將於 10 月 13 日至 15 日在舊金山的莫斯康西會展中心(Moscone West)舉行,匯聚超過 10,000 位創辦人、投資人、營運者及科技領袖,共同參與為期三天的深度洞見分享、人脈拓展與前瞻性對話。立即註冊,可享門票最高 100 美元的優惠,並以五折價格額外獲得第二張門票。部分最具實務價值的討論並不會在主舞台上進行。Disrupt 的小組討
暗網AI算力搶購:頂級賬號享30%折扣,被盜模型用於攻擊
非法獲取 AI 模型和計算資源正迅速攀升至地下市場“最通緝”名單的頂端。網路犯罪分子越來越多地利用這些昂貴的大型語言模型開展勒索軟體活動、網路戰和間諜活動。谷歌威脅情報集團首席分析師約翰·赫爾特奎斯特指出,今年“LLM 劫持”事件急劇增加。攻擊者要麼出售公共 AI 平臺的被盜憑證,要麼直接竊取計算能力以免費執行他們自己的模型。擁有二十年安全經驗的赫爾特奎斯特觀察到,“AI 訪問經濟”在地下圈子中正迅速擴張。優質賬戶的深層折扣與封號保障以低廉的價格獲取昂貴的 AI 工具訪問許可權,使攻擊者能夠
Nvidia 預計明年 25% 的營收將來自受資助的實驗室
Nvidia 已向採購其晶片的 AI 實驗室投入近 500 億美元,並確保了總計超過 5,000 億美元的訂單承諾。8月26日,財務長科萊特·克雷斯(Colette Kress)向分析師表示,這些由英偉達資產負債表背書的實驗室,明年將佔公司業務的約四分之一。這種常被稱為「循環融資」的結構,早在分析師們創造這個詞彙之前,英偉達便已承認其存在。克雷斯在財報電話會議中指出,雖然公司承認其支援規模之大,但
相關專題推薦
評論 (0)
0/500

Fish Audio 已正式推出其全新的文字轉語音模型 S2,這代表著開源 TTS 技術在表現力與可控性方面取得了一項重大突破。
這款名為 Fish Audio S2 的模型,將強大的情感控制列為首要目標。使用者可透過自然語言指令,對語調與情感進行細緻調整。無論是插入 [laugh]、[whisper] 或 [super happy] 等標籤,抑或使用 [專業播報語調] 或 [提高音高] 等自由描述,皆能實現精準的單字級控制,生成極具表現力且自然生動的語音。
主要特點包括:
完全開源:模型權重、微調程式碼以及基於 SGLang 的串流推論引擎,均已公開發布於 GitHub 和 Hugging Face。 S2-Pro 是旗艦版本,擁有約 44 億個參數。超低延遲:推論延遲低於 150 毫秒,非常適合聊天機器人和虛擬主播等即時應用。原生多講者支援:可在單次推論中處理多位講者,處理對話輪次、插話及自然的情感傳達,同時維持一致的音質,無需額外處理。Fish Audio 表示,S2 是基於涵蓋近 50 種語言、總計約 1,000 萬小時的音訊資料所訓練而成。透過強化學習對齊技術與雙自迴歸架構,該模型在多項基準測試中展現出業界領先的自然度與表現力。無論是開源或專有系統,它都被視為當今最具情感智能的 TTS 系統之一。Fish Audio 宣佈:「真正的語言自由從此刻開始」,標誌著具備真實情感與個性的 AI 語音時代正式來臨。
GitHub:https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
TechCrunch Disrupt 2026 分組討論議程揭曉
TechCrunch Disrupt 2026將於 10 月 13 日至 15 日在舊金山的莫斯康西會展中心(Moscone West)舉行,匯聚超過 10,000 位創辦人、投資人、營運者及科技領袖,共同參與為期三天的深度洞見分享、人脈拓展與前瞻性對話。立即註冊,可享門票最高 100 美元的優惠,並以五折價格額外獲得第二張門票。部分最具實務價值的討論並不會在主舞台上進行。Disrupt 的小組討
暗網AI算力搶購:頂級賬號享30%折扣,被盜模型用於攻擊
非法獲取 AI 模型和計算資源正迅速攀升至地下市場“最通緝”名單的頂端。網路犯罪分子越來越多地利用這些昂貴的大型語言模型開展勒索軟體活動、網路戰和間諜活動。谷歌威脅情報集團首席分析師約翰·赫爾特奎斯特指出,今年“LLM 劫持”事件急劇增加。攻擊者要麼出售公共 AI 平臺的被盜憑證,要麼直接竊取計算能力以免費執行他們自己的模型。擁有二十年安全經驗的赫爾特奎斯特觀察到,“AI 訪問經濟”在地下圈子中正迅速擴張。優質賬戶的深層折扣與封號保障以低廉的價格獲取昂貴的 AI 工具訪問許可權,使攻擊者能夠
Nvidia 預計明年 25% 的營收將來自受資助的實驗室
Nvidia 已向採購其晶片的 AI 實驗室投入近 500 億美元,並確保了總計超過 5,000 億美元的訂單承諾。8月26日,財務長科萊特·克雷斯(Colette Kress)向分析師表示,這些由英偉達資產負債表背書的實驗室,明年將佔公司業務的約四分之一。這種常被稱為「循環融資」的結構,早在分析師們創造這個詞彙之前,英偉達便已承認其存在。克雷斯在財報電話會議中指出,雖然公司承認其支援規模之大,但





首頁






