Fish Audio 推出 S2:开源模型实现词级情感控制

Fish Audio 已正式推出其全新的文本转语音模型 S2,这标志着开源 TTS 技术在表现力和可控性方面取得了重大飞跃。
这款名为 Fish Audio S2 的模型重点强化了情感控制能力。用户可通过自然语言指令对语调和情感进行精细调整。无论是插入 [laugh]、[whisper] 或 [super happy] 等标签,还是使用 [专业播音语气] 或 [提高音调] 等自由描述,该模型都能实现精准的单词级控制,从而生成极具表现力且自然生动的语音。
主要特点包括:
完全开源:模型权重、微调代码以及基于 SGLang 的流式推理引擎均已在 GitHub 和 Hugging Face 上公开发布。 S2-Pro 是旗舰版本,拥有约 44 亿个参数。超低延迟:推理延迟低于 150 毫秒,非常适合聊天机器人和虚拟主播等实时应用。原生多说话人支持:它可以在单次推理中处理多个说话人,处理对话轮次、插话和自然的情感表达,同时保持一致的语音质量,无需额外处理。Fish Audio 表示,S2 基于涵盖近 50 种语言的约 1000 万小时音频数据进行训练。通过利用强化学习对齐和双自回归架构,它在多个基准测试中展现出领先的自然度和表现力。它被认为是目前最富情感智能的 TTS 系统之一,无论开源还是专有。"真正的语言自由从现在开始,"Fish Audio 宣布,标志着具有真实情感和个性的 AI 语音时代的到来。
GitHub:https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
相关文章
TechCrunch Disrupt 2026 分组讨论议程公布
TechCrunch Disrupt 2026将于 10 月 13 日至 15 日在旧金山莫斯康西会展中心举行,届时将汇聚 10,000 多名创始人、投资者、运营者和科技领袖,共同参与为期三天的洞见分享、人脉拓展和前瞻性对话。立即注册,可享受最高100美元的门票优惠,并以五折价格额外获得第二张门票。一些最具实践价值的讨论并不在主舞台上进行。Disrupt的分组讨论专为深度交流而设计,让您能够直接与
暗网AI算力抢购:顶级账号享30%折扣,被盗模型用于攻击
非法获取 AI 模型和计算资源正迅速攀升至地下市场“最通缉”名单的顶端。网络犯罪分子越来越多地利用这些昂贵的大型语言模型开展勒索软件活动、网络战和间谍活动。谷歌威胁情报集团首席分析师约翰·赫尔特奎斯特指出,今年“LLM 劫持”事件急剧增加。攻击者要么出售公共 AI 平台的被盗凭证,要么直接窃取计算能力以免费运行他们自己的模型。拥有二十年安全经验的赫尔特奎斯特观察到,“AI 访问经济”在地下圈子中正迅速扩张。优质账户的深层折扣与封号保障以低廉的价格获取昂贵的 AI 工具访问权限,使攻击者能够
英伟达明年25%的营收将来自其资助的实验室
英伟达已向采购其芯片的人工智能实验室投入近500亿美元,并获得了总额超过5000亿美元的订单承诺。8月26日,首席财务官科莱特·克雷斯向分析师表示,这些由英伟达资产负债表提供支持的实验室,明年将占公司业务总量的约四分之一。这种通常被称为“循环融资”的模式,早在分析师们创造出这个术语之前,英伟达就已经认可了。克雷斯在财报电话会议上指出,虽然公司认识到其支持的规模之大,但对这种安排有不同的看法。该机制
相关专题推荐
评论 (0)
0/500

Fish Audio 已正式推出其全新的文本转语音模型 S2,这标志着开源 TTS 技术在表现力和可控性方面取得了重大飞跃。
这款名为 Fish Audio S2 的模型重点强化了情感控制能力。用户可通过自然语言指令对语调和情感进行精细调整。无论是插入 [laugh]、[whisper] 或 [super happy] 等标签,还是使用 [专业播音语气] 或 [提高音调] 等自由描述,该模型都能实现精准的单词级控制,从而生成极具表现力且自然生动的语音。
主要特点包括:
完全开源:模型权重、微调代码以及基于 SGLang 的流式推理引擎均已在 GitHub 和 Hugging Face 上公开发布。 S2-Pro 是旗舰版本,拥有约 44 亿个参数。超低延迟:推理延迟低于 150 毫秒,非常适合聊天机器人和虚拟主播等实时应用。原生多说话人支持:它可以在单次推理中处理多个说话人,处理对话轮次、插话和自然的情感表达,同时保持一致的语音质量,无需额外处理。Fish Audio 表示,S2 基于涵盖近 50 种语言的约 1000 万小时音频数据进行训练。通过利用强化学习对齐和双自回归架构,它在多个基准测试中展现出领先的自然度和表现力。它被认为是目前最富情感智能的 TTS 系统之一,无论开源还是专有。"真正的语言自由从现在开始,"Fish Audio 宣布,标志着具有真实情感和个性的 AI 语音时代的到来。
GitHub:https://github.com/fishaudio/fish-speech/
HuggingFace:https://huggingface.co/fishaudio/s2-pro/
TechCrunch Disrupt 2026 分组讨论议程公布
TechCrunch Disrupt 2026将于 10 月 13 日至 15 日在旧金山莫斯康西会展中心举行,届时将汇聚 10,000 多名创始人、投资者、运营者和科技领袖,共同参与为期三天的洞见分享、人脉拓展和前瞻性对话。立即注册,可享受最高100美元的门票优惠,并以五折价格额外获得第二张门票。一些最具实践价值的讨论并不在主舞台上进行。Disrupt的分组讨论专为深度交流而设计,让您能够直接与
暗网AI算力抢购:顶级账号享30%折扣,被盗模型用于攻击
非法获取 AI 模型和计算资源正迅速攀升至地下市场“最通缉”名单的顶端。网络犯罪分子越来越多地利用这些昂贵的大型语言模型开展勒索软件活动、网络战和间谍活动。谷歌威胁情报集团首席分析师约翰·赫尔特奎斯特指出,今年“LLM 劫持”事件急剧增加。攻击者要么出售公共 AI 平台的被盗凭证,要么直接窃取计算能力以免费运行他们自己的模型。拥有二十年安全经验的赫尔特奎斯特观察到,“AI 访问经济”在地下圈子中正迅速扩张。优质账户的深层折扣与封号保障以低廉的价格获取昂贵的 AI 工具访问权限,使攻击者能够
英伟达明年25%的营收将来自其资助的实验室
英伟达已向采购其芯片的人工智能实验室投入近500亿美元,并获得了总额超过5000亿美元的订单承诺。8月26日,首席财务官科莱特·克雷斯向分析师表示,这些由英伟达资产负债表提供支持的实验室,明年将占公司业务总量的约四分之一。这种通常被称为“循环融资”的模式,早在分析师们创造出这个术语之前,英伟达就已经认可了。克雷斯在财报电话会议上指出,虽然公司认识到其支持的规模之大,但对这种安排有不同的看法。该机制





首页






