@Tao_Builds: Today, I kept tinkering and managed to integrate Fish Audio into Muse as well. This time, it's pretty interesting: • Su…
摘要
作者分享了将 Fish Audio 语音服务接入 Muse 的完整流程,支持中文配音、多种音色选择、声音克隆以及调用免费的 s2.1-pro-free 模型。
查看缓存全文
缓存时间: 2026/10/09 16:32
Today, I kept tinkering and managed to integrate Fish Audio into Muse as well. This time, it’s pretty interesting: • Supports Chinese dubbing • Allows selection of different voice timbres • Supports voice cloning • Can also invoke the free s2.1-pro-free model From
Muse 接入 Fish Audio:从注册到出声,全流程
一句话:Azure 稳定但音色相对固定;Fish Audio 能克隆、能玩特色音色。六步接通,全程约 5 分钟。
大家可以直接在Muse对话里说你要接入Fish Audio,跟着Muse的指引一步步做。
以下是详细教程:
第一步:注册 Fish Audio 账号
打开 fish.audio 注册一个账号,邮箱就行。
第二步:切到 Developer 模式
登录后点左上角菜单,把模式从 Creative 切换到 Developer:
Developer 模式下才会出现 API Billing、My Voices、Developer Docs 这些开发者入口——API Key 就藏在这里。
第三步:确认免费额度
进 Team Settings 看一眼:
-
Current Plan:Free Plan,不用花钱
-
Credits Remaining:8,000 / 8,000,每月刷新(Next Refresh),整活用完全够
第四步:创建 API Key
进 API Keys 页面,点 Create API Key:
-
Key name 填 Muse(以后好认)
-
Expiration 选 Never(省得过期了再折腾)
点 Create。注意两件事:
-
Key 只完整显示一次,弹出来立刻复制保存好,丢了只能删掉重建;
-
页面顶部有条提示:S1 模型 2026 年 12 月 31 日退役,之后自动走 S2.1 Pro——我们的调用脚本默认就用 s2.1-pro-free,不用管。
第五步:在 Muse 里填入 Key
回到 Muse 对话,说你要接入Fish Audio,找到Muse发的 Fish Audio 连接器卡片,点「关联」,把 Key 粘进去提交:
第六步:写调用脚本 + 实测(已完成)
让Muse测试下声音,正常出声,管线通了。
接通之后怎么用
-
Muse 日常嗓子继续走 Azure(又稳又免费)
-
想玩特色音色直接跟Muse说风格,Muse用 Fish Audio 生成
-
想克隆自己的声音:去官网 My Voices 上传一段 10 秒录音,把声音模型的 ID 发Muse,以后配音就用你的克隆音色
注意事项
-
免费额度每月刷新,别一个月造完
-
千万别克隆真人(主播/名人)的声音拿去公开发——这是红线
-
Key 如果泄露,去 API Keys 页面删掉重建一个就行
相似文章
Fish Audio Drama 3
Fish Audio 推出其最新 AI 语音模型 Drama 3,支持通过自然语言控制情感、节奏、耳语、笑声和停顿,可生成多角色场景、有声书与游戏对话,覆盖 83 种语言,并以社区许可证开放权重供自托管。
Fish Audio Drama 3 技术报告
Fish Audio 发布开源语音生成模型 Fish Audio Drama 3 的技术报告:基于 35B 参数混合专家骨干(每 token 激活 3B),支持多参考语音克隆、自然语言导演指令、多轮修订、多人场景配音、编辑式填充、长音频与流式合成,单张 H200 推理速度达 271 帧/秒。
Fish Audio 推出支持83种语言的S2.1 Pro(2分钟阅读)
Fish Audio 推出S2.1 Pro,这是一款生产级语音模型,具有90毫秒延迟,支持83种语言,可从短样本进行语音克隆,并支持多人对话,可通过API使用,并设有开发免费套餐。
@svpino:这是我见过的第一个能让你编辑单个词语的音频模型。文本转语音模型已经变得非常出…
Fish Audio 推出了 Drama 3 语音模型,支持音频修复,可以仅重新生成音频中的单个词或短语,其余部分保持不变,并支持 83 种以上的语言。
fishaudio/drama-3
Fish Audio 发布新一代文本转语音模型 Drama 3,采用 35B 参数 MoE 架构(每 token 激活 3B),支持最多 16 个说话人的多角色长文本生成、语音克隆与自然语言控制,并可在 SGLang-Omni 上流式部署。