Fish Audio是由階躍星辰開發的超自然語音生成模型，基於200萬小時音頻數據訓練，提供40億參數的S1和5億參數的S1-mini雙版本，通過RLHF技術支持多語言、多情感表達及高度擬人化語音合成，適用於影視配音、虛擬互動等場景。其採用Dual-AR架構與分組有限標量矢量量化技術，支持10秒聲音克隆與多語言混合生成，並提供開源模型架構。2025年5月28日接入第三方平台AigcPanel擴展套用生態，6月3日開放20次/月免費聲音克隆服務。6月4日登頂TTS-Arena榜單並支持13種語言，次日披露語音陪伴場景半年營收達400萬美元。6月6日成為GitHub熱門開源項目，6月8日公布Dual-AR架構與50+情感標記技術細節，6月12日推出4B旗艦版與0.5B輕量版模型。同年10月21日升級S1模型，實現首幀延遲低於500毫秒的流式傳輸，語音克隆成本降至競品六分之一。
基本介紹
- 外文名：Fish Audio
- 技術背景：階躍星辰
- 最新模型：OpenAudio S1
研發背景,發展歷史,核心技術,運營模式,核心團隊,重要事件,
研發背景
Fish Audio是階躍星辰旗下的AI語音生成平台，其前身為超自然語音生成模型。該平台起源於開源項目Fish Speech。
Fish Speech各個開源倉庫累計獲得超過10萬GitHub Stars。公司定位為美國公司，服務全球市場，支持多種語言。
發展歷史
2025年10月21日，S1語音克隆模型升級，實現首幀延遲低於500毫秒的流式傳輸，語音克隆成本有所降低。
2025年06月12日，推出了OpenAudio S1的4B旗艦版和0.5B輕量版。
2025年06月08日，公布Dual-AR架構與RLHF訓練細節，支持50餘種情感標記。
2025年06月06日，成為GitHub熱門項目，提供自然語音合成與多語言支持。
2025年06月05日，聚焦AI語音陪伴場景。
2025年06月04日，在TTS-Arena榜單中位列第一，支持13種語言及高精度聲音克隆。
2025年06月03日，支持10秒音頻克隆。
2025年05月28日，接入第三方平台AigcPanel，擴展套用生態。
核心技術
Fish Audio的S1模型是一款支持通過自然語言進行情感控制的TTS模型，採用端到端建模方式處理語義和聲學信息。其S2模型在控制精度、多說話人支持和延遲方面有所改進，並基於自研的數據管線。
Fish Audio使用基於人類反饋的強化學習技術來提升語音的自然度和情感表現力。
其支持多語言混合生成，在阿拉伯語等特定語言上有所套用。該模型的數據策略使用了包含多種自然對話聲學特徵的數據。
Fish Audio開源了其核心模型和工具鏈，同時為企業客戶提供閉源的商業化模型。
運營模式
Fish Audio是一個AI語音生成平台。該平台服務於專業內容創作者和企業API用戶。企業用戶貢獻了約40%的收入。具體用戶群體包括遊戲開發者、ASMR藝術家、播客創作者、AI陪伴類社交套用、遊戲公司、AI內容創作平台以及實時客服場景等。
平台構建了用戶生成內容（UGC）生態，擁有超過110萬個公開的UGC聲音模型。平台通過激勵創作者消耗代幣（token）來生成內容，並給予創作者一定比例的消耗回饋。
該平台提供多層級服務方案。公司採用全球化發展戰略，以美國為基礎，服務全球多語言市場。其技術支持多語言，例如在阿拉伯語等小語種市場有所套用。
核心團隊
重要事件
2025年6月3日，Fish Audio發布OpenAudio S1模型，該模型基於超過200萬小時的音頻數據訓練，是一款支持自然語言情感控制的TTS模型。
2025年10月21日，Fish Audio對S1語音克隆模型進行升級，提升了情感表現力與擬真度，支持使用10秒語音樣本完成克隆，並同步推出支持流式傳輸的S1 API。
截至2026年2月，Fish Audio是一個AI語音生成平台。
