SimoneFish Audio（超自然语音生成模型）
的有关信息介绍如下：
Fish Audio是超自然语音生成模型，基于200万小时音频数据训练，提供40亿参数的S1和5亿参数的S1-mini双版本，通过RLHF技术支持多语言、多情感表达及高度拟人化语音合成，适用于影视配音、虚拟交互等场景。其采用Dual-AR架构与分组有限标量矢量量化技术，支持10秒声音克隆与多语言混合生成，并提供开源模型架构 。2025年5月28日接入第三方平台AigcPanel扩展应用生态，6月3日开放20次/月免费声音克隆服务。6月4日登顶TTS-Arena榜单并支持13种语言，次日披露语音陪伴场景半年营收达400万美元。6月6日成为GitHub热门开源项目，6月8日公布Dual-AR架构与50+情感标记技术细节，6月12日推出4B旗舰版与0.5B轻量版模型 。同年10月21日升级S1模型，实现首帧延迟低于500毫秒的流式传输，语音克隆成本降至竞品六分之一 。
想要了解更多“Fish Audio（超自然语音生成模型）”的信息，请点击：Fish Audio（超自然语音生成模型）百科
