Fish Speech是一款由fishaudio开发的全新文本转语音工具，它不仅完美支持中文、英语和日语，而且在语音处理上的能力接近人类水平，可以说是你私人语音助手的不二之选。

要点：

😊 完美支持中英日三种语言，语音处理接近人类水平

😊 支持语音克隆，只需提供一段参考语音，即可迅速完成克隆

😊 对显存要求极低，仅需4GB，支持多种不同的语音生成模型

Fish Speech模型的厉害之处在于，它使用了大约十五万小时的三语数据进行训练，特别是在中文方面的表现，简直是无可挑剔。作为一个亿级参数的模型，它设计得既高效又轻量，这意味着你可以在自己的个人设备上轻松运行和微调，随时随地享受语音转换的便捷。

支持中文

目前，库里的可供选择的声音多数是动漫人物的声音，AIbase输入一段文字测试，发现有的动漫人物语速偏慢，如果要用到视频里，还需要删除中间停顿太长的地方。真人的声音有丁真，特朗普和孙笑川等，不过以防万一还是不要用其他真人的声音比较好。想用真人声音的，可以考虑创建自己的声音。

以下是AIbase的测试效果：

更让人兴奋的是，Fish Speech采用了Flash-Attn算法，这一算法专为处理大规模数据而设计，以其高效性、准确性和稳定性著称。这不仅显著提升了TTS技术的性能，也让你在使用过程中享受到了前所未有的流畅体验。

支持英文

而且，Fish Speech的语音克隆能力也是一大亮点。你只需提供一段参考语音，它就能迅速进行语音克隆，无需经过繁琐的训练过程。此外，它对显存的需求极低，仅需4GB，推理速度快，这些都极大地优化了用户体验。

支持日文

当然，Fish Speech的强大远不止于此。Fish Speech支持多种不同的语音生成模型，包括但不限于：

• ViTS2：基于变分推理的文本到语音模型。

• Bert-VITS2：结合BERT模型的变分推理文本到语音模型。

• GPT VITS：结合GPT模型的文本到语音模型。

• MQTTS：基于量化技术的文本到语音模型。

• GPT Fast：快速生成语音的GPT模型。

• GPT-SoVITS：结合GPT和SoVITS技术的文本到语音模型。

每一种模型都有其独特的优势，满足不同用户的需求。

总的来说，Fish Speech是一款创新、高效、轻量的文本转语音工具。它不仅能够成为你的私人语音助手，还能为你的创意项目提供强大的语音支持。如果你对语音技术感兴趣，或者正在寻找一个无需繁琐训练、快速克隆的TTS解决方案，那么Fish Speech绝对值得一试。

官网地址