Fish Agent V0.1 3b

🚀 Fish Agent V0.1 3B

Fish Agent V0.1 3B は画期的な音声変換モデルで、環境音声情報をこれまでにない精度で捉え、生成することができます。特徴的なのは、WhisperやCosyVoiceのような従来の意味エンコーダ/デコーダを必要としない、意味トークンフリーのアーキテクチャです。

さらに、このモデルは最先端のテキスト読み上げ（TTS）モデルであり、70万時間に及ぶ多言語音声コンテンツの大規模データセットで学習されています。

このモデルは、Qwen - 2.5 - 3B - Instructを2000億の音声とテキストトークンで継続事前学習したバージョンです。

🚀 クイックスタート

このモデルに関する詳細情報と実装ガイドラインについては、Fish Speech GitHubリポジトリをご覧ください。

✨ 主な機能

• 音声変換機能：環境音声情報を高精度に捉え、生成することができます。
• 多言語対応：英語、中国語、ドイツ語、日本語、フランス語、スペイン語、韓国語、アラビア語などの多言語に対応しています。
• 最先端のTTSモデル：大規模データセットで学習された高性能なテキスト読み上げ機能を備えています。

📚 ドキュメント

サポート言語

このモデルは以下の言語をサポートしており、それぞれの学習データサイズは次の通りです。

引用

このリポジトリがあなたの研究に役立った場合は、以下のように引用していただけると幸いです。

@misc{fish-agent-0.1,
    author = {Shijia Liao and Tianyu Li and Rcell and others},
    title = {Fish Agent V0.1 3B},
    year = {2024},
    publisher = {GitHub},
    journal = {GitHub repository},
    howpublished = {\url{https://github.com/fishaudio/fish-speech}}
}

📄 ライセンス

このモデルと関連コードは、BY - CC - NC - SA - 4.0ライセンスの下で公開されており、適切な著作権表示を行えば非商用利用が許可されています。