FishAudio

FishAudio（鱼声）是由 Hanabi AI Inc. 研发、全球领先的开源 AI 语音生成与音频处理平台，核心团队为 GPT-SoVITS、Bert-VITS2 等知名开源项目核心开发者，2023 年创立，核心使命是 “让 AI 语音拥有真人般的自然与情感”，为全球创作者、企业与开发者提供全链路语音技术解决方案。平台依托自研 OpenAudio 系列模型，兼具顶尖生成质量、极低使用成本与完全开源的技术生态，是 TTS-Arena 国际语音合成挑战赛榜首技术，服务全球超 350 万用户。

一、核心技术架构

FishAudio 以双自回归架构 + VITS 声码器 + 无语义令牌克隆技术为核心，构建行业领先的语音技术底座：

• 模型体系：主力模型为S2-Pro（旗舰）与S1（轻量），S2-Pro 基于1000 万小时 +多语言音频训练，支持80 + 语言，MOS 自然度评分达4.5+，接近真人水准；S1 主打100ms 级超低延迟流式推理，适配实时交互场景。
• 技术突破：独创无语义令牌声音克隆架构，无需训练，10-45 秒音频即可完成声纹建模，音色还原度达99.9%；支持15000 + 种细粒度情感标签（如 [laugh]、[whisper]），精准控制语气、语速与情感表达。
• 开源生态：核心代码基于Apache 2.0/MIT 协议开源，GitHub 星标超10 万，支持本地私有化部署、自定义模型微调与二次开发，数据安全可控。

二、核心产品能力

1. 文本转语音（TTS）引擎

• 多语言支持：覆盖中、英、日、韩、法、德等 80 + 语言，中文优化领先，支持多语言混合输入。
• 海量音色库：内置500 + 真人级音色，含新闻播报、情感叙事、二次元、带货主播等风格，支持自定义音色上传与管理。
• 情感韵律控制：支持词级情感调节、语速 / 音调 / 停顿自定义，生成语音自然带气息、连读与停顿，告别机械电音。

2. 极速声音克隆

• 零样本克隆：仅需10 秒清晰音频，即可复刻专属声线，支持保留原有语气、情绪特征。
• 多场景适配：支持个人声线定制、IP 角色音色复刻、名人声线授权使用，一次克隆永久调用，云端安全存储。
• 高保真输出：克隆声线自然度达4.85 分，适配短视频、有声书、直播、广告等商业场景。

3. 全链路音频处理

• 语音转文本（ASR）：高精度实时语音识别，支持多语言、方言与带噪环境，适配会议纪要、字幕生成。
• 音频翻译：语音实时翻译 + 双语配音，支持跨语言内容创作与本地化适配。
• 智能混音与降噪：专业级音频降噪、回声消除、多轨混音，提升音频清晰度与质感。
• 故事工作室（Story Studio）：原生支持多角色对话生成，一键生成多人有声剧、播客与互动故事。

三、产品版本与商业化

1. 服务模式

• 云端版（fish.audio）：网页端即开即用，免费版每月7 分钟额度，支持基础 TTS 与克隆；付费版（Plus/Pro）提供无限生成、高清导出、商业授权、优先算力，API 定价仅为行业标杆约1/6。
• 开源部署版：核心模型免费开源，支持本地 GPU 私有化部署，无调用限制，适合企业数据安全需求与开发者二次开发。
• 企业定制版：面向品牌、影视、MCN 与政企，提供专属模型微调、私有音色库、批量 API、私有化部署、版权授权证明，适配规模化商业创作。

2. 应用场景

• 内容创作：短视频配音、有声书、播客、动漫 / 游戏角色语音、直播实时话术。
• 企业服务：智能客服语音、导航播报、无障碍听书、智能硬件语音交互、广告宣传片配音。
• 教育与媒体：课件配音、外语学习听力、新闻播报、纪录片旁白。
• 个人创作：专属语音助手、生日礼物语音、个人 IP 声线打造。

四、版权与合规

FishAudio 建立严格分级版权体系：免费版生成作品仅限非商业使用并标注来源；付费版与企业版授予完整商业版权，可用于广告、变现内容、品牌宣传等场景，提供官方授权证明。平台严格遵守数据安全与隐私保护法规，用户声线数据加密存储，未经授权绝不泄露，杜绝侵权风险。

五、产品愿景

FishAudio 致力于推动 AI Voice 2.0 时代到来，以开源技术普惠全球用户，持续提升语音自然度、情感表现力与多场景适配能力，构建 “云端 + 开源 + 企业定制” 的全生态语音平台，让每个人都能低成本拥有专业级 AI 语音能力，赋能内容产业、企业服务与数字交互的全面升级。