Fish Audio

Fish Audio 提供先进的文本转语音（TTS）和声音克隆工具，只需 10-30 秒的音频样本即可创建高保真语音克隆。模型支持 80 多种语言，通过自然语言标签（如 [whisper]、[laughing]）控制语气与情感，可实现多角色对话、打断和插话等复杂交互，适用于播客、有声书和对话式 AI。核心优势在于开源开放：S2 系列模型权重与微调代码已释放，支持本地部署。S2.1 Pro 在第三方评测中生成速度达 56.3 字符/秒，并已开放免费 API（模型名 s2.1-pro-free），宣称无硬性使用上限，极大降低使用门槛。缺点方面，声音克隆技术易引发冒充等伦理风险，平台尚无明确身份验证措施；本地部署需要 GPU 算力与一定技术能力，免费 API 的长期可用性与并发承载能力未经大规模验证。目前可通过免费 API 快速集成，也可下载开源模型自托管，适合内容创作者、AI 应用开发者及教育工具，不适合对语音合法性要求极高的金融、医疗等合规场景，以及技术资源有限的完全离线用户。