FishSpeech
由 FishAudio 团队开发的开源、先进的多语言文本到语音（TTS）合成项目。它旨在通过结合大语言模型（LLM）技术，提供高质量、多语言的语音合成解决方案。
标签：AI语音生成-文转音AI语音生成-文转音
FishSpeech简介
Fish-Speech 是一个由 FishAudio 团队开发的开源、先进的多语言文本到语音（TTS）合成项目。它旨在通过结合大语言模型（LLM）技术，提供高质量、多语言的语音合成解决方案。Fish-Speech 支持零样本文本到语音（TTS）、多语言和跨语言支持，并且具备强大的音色控制和情感表达能力。该项目适用于多种应用场景，包括但不限于语音助手、语言学习工具和内容创作等领域。
FishSpeech主要功能
零样本与少样本 TTS
用户可以通过输入 10 到 30 秒的语音样本，生成高质量的 TTS 输出。
多语言与跨语言支持
支持英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语等多种语言，用户无需担心语言切换问题。
无需音素依赖
模型不依赖音素进行 TTS，能够处理任何语言脚本的文本。
高精度与快速合成
在 5 分钟的英文文本中，字符错误率（CER）和词错误率（WER）约为 2%，并且在 Nvidia RTX 4060 和 RTX 4090 上分别实现了 1:5 和 1:15 的实时率。
WebUI 和 GUI 推理
提供基于 Gradio 的 WebUI 推理界面，兼容 Chrome、Firefox、Edge 等主流浏览器；同时支持 PyQt6 图形界面，适用于 Linux、Windows 和 macOS 系统。
易于部署
支持在 Linux、Windows 和 macOS 上快速搭建推理服务器，减少速度损失。
端到端集成
自动集成自动语音识别（ASR）和 TTS 部分，无需额外插件，实现真正的端到端语音合成。
音色与情感控制
支持通过参考音频控制语音音色，并能够生成带有强烈情感的语音输出。
FishSpeech主要特点
高精度与低延迟
在多语言文本合成中表现出极高的精度和快速的推理速度，适合实时应用场景。
强大的语言通用性
不依赖音素，能够处理多种语言脚本，无需额外的语言模型支持。
灵活的音色与情感控制
用户可以通过参考音频调整语音的音色和情感表达，提升语音合成的自然度和表现力。
多平台支持
提供 WebUI 和 GUI 推理界面，支持主流操作系统，方便用户根据需求选择使用方式。
开源与开放性
项目开源，支持社区贡献和二次开发，适合开发者进行定制化扩展。
端到端集成
真正的端到端语音合成，无需额外插件，简化了使用流程。
网址预览
数据评估
本站 书金子导航提供的 FishSpeech都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由 书金子导航实际控制，在 2025年4月8日 下午12:39收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除， 书金子导航不承担任何责任。
打不开?
建议使用不会屏蔽网址的浏览器。如果浏览器提示该网站违规，并非真的违规。而是浏览器厂商屏蔽了这个站。推荐原生态不会屏蔽网站的浏览器，苹果可以用自带的浏览器，Alook浏览器、X浏览器、VIA浏览器、微软Edge等。
通常打不开都是因为网络问题。好的网站会针对三大运营商(电信、移动、联通)进行优化，所以小网站会遇到一些网络打不开。一劳永逸的话，我们推荐使用加速器（将自己的网络切换成更稳定的运营商，比如电信）。部分网站需要科学上网，比如google等（这边不推荐，除非你真的用于学习资料的查询。）
以上三点均能解决99.99%网站打不开的问题了。如有疑问，可在线留言，着急的话也可以通过QQ在线联系我们。
相关导航
