OpenAudio S1

OpenAudio S1 – Fish Audio推出的新一代语音生成模型

OpenAudio S1

OpenAudio S1是一款由Fish Audio研发的文本转语音（TTS）模型。它基于超过200万小时的海量音频数据精心打造，支持13种语言，并采用了前沿的双自回归（Dual-AR）架构和强化学习与人类反馈（RLHF）技术。OpenAudio S1生成的语音高度自然流畅，几乎可以媲美专业配音演员，并支持超过50种情感和语调标记，用户可以通过简单的自然语言指令灵活控制语音表达。此外，它还具备强大的语音克隆功能，只需10到30秒的音频样本，即可生成高保真的克隆声音。

OpenAudio S1：语音合成的革新者

OpenAudio S1，Fish Audio的匠心之作，是文本转语音（TTS）领域的杰出代表。它不仅能将文字转化为流畅自然的语音，更赋予了语音丰富的表现力，为内容创作、虚拟助手等领域带来了无限可能。

OpenAudio S1的核心功能

逼真的语音输出：得益于超过200万小时的音频数据训练，OpenAudio S1生成的语音几近完美地还原了人类发声，为视频配音、播客制作和游戏角色语音等专业场景提供了强有力的支持。
精细的情感与语调控制：支持超过50种情感标记（如愤怒、喜悦、悲伤等）和语调标记（如急促、低声、尖叫等），用户可以通过文本命令轻松定制语音的情感色彩和语调变化。
卓越的多语言支持：OpenAudio S1精通13种语言，包括英语、中文、日语、法语、德语等，满足全球用户的多样化需求。
高效的语音克隆技术：支持零样本和少样本语音克隆，仅需10到30秒的音频样本即可生成高保真的克隆声音。
灵活的部署选择：提供两种版本，40亿参数的完整版 S1 和 5亿参数的 S1-mini，后者为开源模型，方便研究和教育使用。
极低延迟的实时应用：超低延迟（低于100毫秒）使其成为在线游戏、直播内容等实时应用的理想选择。