Fish Audio

Fish Audio源於前NVIDIANVIDIANVIDIA 是美國半導體與計算技術公司，提供圖形處理器、人工智能基礎設施、網絡互連和計算軟件，在納斯達克以 NVDA 為代碼上市。點擊查看完整詞條研究人員Shijia Liao的個人項目。他在NVIDIA擔任研究工程師、從事視頻相關工作，業餘時間觀看VTuber直播，並在臥室裡用一塊4090顯卡訓練語音模型，隨後將其開源為Fish Speech。⁠[1][2]

首席執行官Rissa Cao寫道：“Fish Speech went from a repo to a company because of game developers, anime fans, and people dubbing characters for fun.”（Fish Speech能從一個代碼倉庫成長為一家公司，靠的是遊戲開發者、動漫愛好者和為角色配音取樂的人。）⁠[1]

2024年11月2日，Shijia Liao等七名作者在arXiv提交Fish-Speech技術報告，介紹一種多語言文本轉語音框架：它採用串行快慢雙自迴歸（Dual-AR）架構穩定基於碼本的序列生成，並以大語言模型取代傳統的字素到音素轉換。⁠[3]

2026年3月9日，Fish Audio開源文本轉語音模型S2，支持以行內標記細粒度控制韻律和情感。S2採用雙自迴歸設計，時間軸部分約40億參數、深度軸部分約4億參數，訓練數據超過1000萬小時音頻；模型權重和微調代碼發佈在GitHub和Hugging Face上，並配有基於SGLang的推理引擎。公司公佈的Seed-TTS Eval詞錯誤率為中文0.54%、英文0.99%，在單塊H200 GPU上的首段音頻延遲約100毫秒。⁠[4]

2026年7月27日，Fish Audio在成立一週年之際宣佈完成5200萬美元種子輪融資，由Coreline Ventures和今日資本今日資本今日資本（Capital Today）是徐新於2005年創辦的中國風險投資與成長資本機構，強調專注、深度參與和長期耐心，並管理傳統期限基金與常青基金。點擊查看完整詞條領投，359 Capital、Play TimePlay TimePlay Time是一家位於美國舊金山、面向體育、媒體和科技領域的投資控股平臺，由Lionel Messi旗下Messi Group與硅谷創業者Razmig Hovaghimian於2022年建立。平臺投資體育科技項目，也進行企業孵化和更廣泛的科技投資；Michael Marquez在創立時擔任特別顧問並參與共同領導。點擊查看完整詞條、HF0、645 Ventures、Parable、Carya Venture Partners及多名天使投資人參投。⁠[1][2]

聯合創始人兼首席執行官Rissa Cao此前在Amazon Alexa和MetaMetaMeta（Meta Platforms, Inc.）是美國上市科技公司，2021年由 Facebook 公司更名而來，經營社交通信、數字廣告、虛擬現實、智能眼鏡及人工智能業務。點擊查看完整詞條從事語音人工智能工作多年，Shijia Liao任首席科學家。公司稱，成立一年來共推出五個音頻模型（四個語音生成模型和一個語音轉文字模型），團隊從3人增至22人，年化經常性收入達2100萬美元，平臺用戶超過800萬，社區聲音模型庫超過200萬個。⁠[1]

Fish Audio總部位於帕洛阿爾托，四個語音生成模型中有三個開源，最新的S2.1 Pro僅通過付費API提供；公司向創作者和團隊出售月度套餐，並提供企業API與平臺，HeyGen和Sanas是其客戶。Rissa Cao表示，開源項目加上創作者套餐在沒有外部資金的情況下即可高效運轉，公司融資是為了打造更先進的模型和服務企業客戶；公司計劃於2026年內發佈音頻理解模型，並在開發語音到語音模型。⁠[2]

2026年10月13日，Fish Audio團隊在arXiv提交Drama 3技術報告。Drama 3是開源語音生成模型，採用總參數350億、每個token激活30億參數的混合專家架構，可將文本生成為有表演指導的語音，支持聲音克隆、多角色場景、語音編輯和流式輸出；fish-speech倉庫將其列為最新旗艦模型，S2-Pro為上一代旗艦。⁠[5][6]

Fish Audio向聲音被用於訓練的用戶付費。部分創作者指稱自己的聲音在未經同意的情況下被上傳到平臺，且DMCA下架處理緩慢；公司此後將下架流程自動化，稱創作者提交聲音樣本或合同後三分鐘內即可完成。上傳本身並不會被自動阻止，聲音會保留在平臺上，直至權利人申請移除。⁠[2]

Fish Audio提供文本轉語音、聲音克隆和API服務，平臺運營方為Hanabi AI Inc.。截至2026年11月4日，GitHub上的fishaudio/fish-speech倉庫顯示約3.35萬個星標，代碼和模型權重採用Fish Audio Community License，S2-Pro權重則採用Fish Audio Research License。⁠[7][6]

Fish Audio：官網：https://fish.audio/（在新窗口打開）。⁠[7]

X：公開賬號：https://x.com/FishAudio（在新窗口打開）。⁠[7]

YouTubeYouTubeYouTube是Google旗下的視頻分享與創作者平臺，2005年由Steve Chen、Chad Hurley和Jawed Karim創辦，2006年被Google收購。平臺圍繞視頻上傳、觀看與創作者收益，發展出Shorts、YouTube Music、Premium、YouTube TV及兒童產品，總部位於美國加利福尼亞州San Bruno。點擊查看完整詞條：公開頻道：https://www.youtube.com/@fishaudio（在新窗口打開）。⁠[7]