Fish Audio 发布新一代 TTS 模型 S2

AI 语音技术公司 Fish Audio 近日发布了新一代 文本转语音（TTS）模型 S2。该模型在语音情绪表达和可控性方面进行了显著提升，并以 完全开源的方式发布。

项目地址：
https://github.com/fishaudio/fish-speech/

模型下载：
https://huggingface.co/fishaudio/s2-pro/

S2 模型支持 多说话人语音合成与细粒度情绪控制，适用于实时语音应用场景。

词级情绪控制能力

S2 的一个重要特点是 词级或短语级情绪控制。

开发者可以通过自然语言或指令来调整语音表达，例如：

改变语音情绪
调整语速与节奏
控制语气变化

这种细粒度控制方式能够生成更自然、更富表现力的语音。

支持多说话人语音

S2 模型原生支持 多说话人语音生成。

主要能力包括：

不同角色音色生成
对话轮流发声
保持角色声音一致

这种能力非常适合构建多角色语音场景。

完全开源

Fish Audio 将 S2 模型 完整开源，提供以下资源：

模型权重
微调代码
推理框架
流式推理引擎

这使开发者可以根据需求进行训练或部署。

适合实时语音应用

S2 模型在设计时特别考虑了 实时应用场景。

适用领域包括：

对话机器人

AI 助手可以通过自然语音进行交流。

虚拟主播

支持动态语音表达和情绪变化。

AI 语音助手

可以生成更自然的语音反馈。

游戏角色语音

用于生成 NPC 或角色语音。

AI 语音技术的发展趋势

近年来，TTS 技术正朝着更高质量和更强控制能力发展。

主要趋势包括：

情绪表达更加丰富
多说话人支持
实时语音生成
开源模型生态

S2 的发布进一步推动了开源语音模型的发展。

总结

Fish Audio 发布的 S2 开源 TTS 模型在语音情绪控制和多说话人能力方面带来了新的进展。