fish.audio

开源多情绪 AI 语音平台 · 20 万 + 音色 · 15 秒极速克隆

站点定位

Fish Audio（fish.audio）是面向全球创作者、开发者与企业的开源 AI 语音基础设施。平台提供「Fish Speech」系列自研 TTS / 声音克隆大模型，支持 200+ 语种与方言、情感控制、歌声转换、实时流式输出，并开放权重与 API，帮助用户以零成本获得广播级配音、有声书、广告、游戏 NPC、虚拟主播等多场景语音生产能力。

核心模型

核心能力

• 20 万 + 音色库 中文、英语、日语、法语、阿拉伯语等 200+ 语种及方言；覆盖男声、女声、童声、明星同款、动漫角色。
• 15 秒极速克隆 上传 15 秒干净语音即可克隆专属音色，支持跨语言迁移（中文→英文）。
• 多情绪控制 开心、悲伤、愤怒、惊讶、恐惧、温柔、激昂 8 种情绪一键切换，情感强度 0-100 可调。
• 歌声与说唱 文本→旋律 → 任意音色翻唱；支持 Rap 节奏、戏腔、和声、电音、古风等多风格。
• 实时流式 WebSocket / gRPC 流式输出，首包延迟 < 200 ms，适合直播、客服、虚拟人。
• 开源友好 模型权重、训练代码、推理框架（fish-speech、fish-audio-server）全开源（Apache 2.0）。

功能分区

1. 在线体验

• 文本输入 → 选择音色 → 情绪/语速/停顿调节 → 即刻试听与下载。
• 支持批量上传 Excel 文案，一键渲染多文件。

2. 音色市场

• 官方精选、社区共享、明星同款、动漫 IP，支持评分、打赏、二次交易。
• 创作者可上传自制音色并设置付费订阅。

3. 开发者中心

• RESTful API、Python/Node.js/Go SDK、Webhook、本地 Docker 一键部署。
• 免费额度：1000 次/月；超出 $0.001 / 1k 字符。

4. 本地部署

• 提供 fish-speech、fish-audio-server、Colab 一键脚本，支持 Windows/macOS/Linux。
• 量化模型可在 RTX 3060 6G 手机端实时运行。

5. 企业方案

• 品牌音色托管、专属语调、API 并发 10 万 QPS、私有化离线包。

价格方案

支持支付宝、PayPal、USDT、Stripe；学生/开源项目可申请免费额度。

技术规格

• 采样率：48 kHz / 24 bit，立体声，MOS 4.7
• 支持格式：文本、SSML、PDF、字幕文件
• 并发：单账号 100 并发，企业可扩展至 10 万 QPS
• 响应时间：平均 1.5 秒出稿，流式首包 < 200 ms
• 开源仓库：
• fish-speech
• fish-audio-server

场景示例

• 短视频博主：日更 30 条影视解说，Excel 批量导入 → 自动渲染 → 一键发布抖音/B 站。
• 有声书工作室：整本小说 → 分角色 → 情绪声线 → 多轨混音 → 一键成片。
• 游戏厂商：NPC 语音包批量生成，200 音色 × 8 情绪，实时触发无延迟。
• 虚拟主播：OBS 插件实时变声，15 秒克隆主播音色，直播互动零违和。
• 跨境广告：多语言广告脚本 → 本地母语级配音 → 多平台投放。

访问与入口

• 主站：https://fish.audio
• 在线体验：fish.audio/playground
• API 文档：docs.fish.audio
• GitHub：fishaudio
• 企业合作：business@fish.audio

版权与合规

• 运营主体：Fish Audio Pte. Ltd.
• 开源协议：Apache 2.0
• 隐私政策：Fish Privacy