简介
Fish Speech 是业界领先的开源文本转语音 (TTS) 系统，提供自然的语音合成和声音克隆能力。基于先进的 Transformer 和 VQ-GAN 架构构建，支持多语言，可从短音频样本实现高质量语音复刻。
主要特性
- 业界领先的语音合成质量，自然韵律
- 零样本和少样本声音克隆，仅需短参考音频
- 多语言支持，跨语言声音迁移
- 低延迟推理，适合实时应用
- RESTful API，便于应用集成
使用场景
- 创建具有自定义自然语音的 AI 智能体
- 构建多语言语音应用和助手
- 为内容创作和媒体生成配音
- 开发无障碍文本转语音解决方案
技术特点
- 基于 Transformer 和 VQ-GAN/VQ-VAE 架构
- 支持流式和批量推理模式
- 提供 Docker 部署方案用于生产环境
- RESTful API 兼容 OpenAI TTS 接口