fish-audio

Fish Audio 已将其 S2.1 Pro 语音克隆服务免费开放一个月，支持10-15秒语音克隆、约90毫秒响应时间、83种语言、单词级控制，以及开放权重模型，成本仅为 ElevenLabs 的六分之一。

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。

Fish Audio S2 是一个新的开源权重音频模型，可在 Hugging Face 上获取。它提供两个模型分别处理时序和声学细节，推理速度快，并且有托管版本 S2.1 Pro，支持 83 种语言，成本低于 ElevenLabs。

Fish Audio S2 是一个开源的文本转语音系统，支持多说话人、多轮生成以及指令跟随控制，并由具备低延迟特性的生产级推理引擎提供支持。